في ظل التطور السريع لتقنيات الذكاء الاصطناعي، أصبحت أدوات الكشف عن التزييف الصوتي (Audio Deepfake Detectors) واحدة من أهم الجوانب التي تثير اهتمام الباحثين والمستخدمين على حد سواء. هذه الأدوات تم تصميمها لتفريق بين الكلام الحقيقي والكلام المصنع، وقد حققت نتائج جيدة على المعايير القياسية. لكن! ماذا يحدث عندما يتم اختبار نفس الأداة على مجموعات بيانات مختلفة؟

تشير الأبحاث إلى أن الأداة التي تحقق خطأ أقل من 1% في مجموعة بيانات معينة يمكن أن تشهد زيادة في نسبة الأخطاء تصل إلى عشرين ضعفًا عند الانتقال إلى مجموعة بيانات أخرى. يشير الباحثون إلى أن أحد العوامل المساهمة في ذلك هو الاعتماد على هوية المتحدث. حيث أن مجموعات التدريب التقليدية تربط هوية المتحدث بوسم الكلام الحقيقي أو المصنع، مما يسمح للأدوات بالاعتماد جزئيًا على خصائص مرتبطة بالمتحدث بدلاً من الاعتماد على علامات الاصطناع.

لذلك، تم اقتراح مقياس حساسية الهوية (Identity Sensitivity Score - ISS)، كأداة تشخيصية تقوم بتقييم مدى تغير مخرجات الأداة عند التعامل مع هويات متحدثين مختلفة. يتميز هذا المقياس بكونه لا يتطلب وجود وسوم حقيقية في وقت الاستنتاج، مما يجعل استخدامه أكثر سهولة وفعالية.

أظهرت النتائج أن النماذج المستخدمة أظهرت أن الجمل التي تم تصنيفها بشكل خاطئ كانت تمتلك درجات ISS أعلى بين 29 إلى 52 مرة مقارنة بالجمل المصنفة بشكل صحيح. بل ويمتلك هذا المقياس القدرة على التنبؤ بخطأ التصنيف بدقة تصل إلى 0.954.

لتحقيق المزيد من الدقة، قام الباحثون بإجراء مجموعة من التجارب على 500 جملة باستخدام تحويل الصوت، حيث وُجد أن الجمل المحددة على أنها حساسة للاعتماد على الهوية تفاعل بشكل أقوى بمعدل يتراوح بين 19 إلى 30 مرة عند هذا التلاعب.

هذا الاتجاه البحثي الجديد يعزز من إمكانية استخدام مقياس حساسية الهوية (ISS) كأداة تشخيص فعالة لتحليل فشل تقنيات الكشف عن التزييف الصوتي المعتمدة على هوية المتحدثين.