في عالم يتزايد فيه الاعتماد على تقنيات الذكاء الاصطناعي، تبرز الحاجة الملحة لضمان الخصوصية، خاصة عندما يتعلق الأمر بالصوتيات. لقد تم استخدام تقنيات مثل إزالة الهوية الصوتية (speaker identity unlearning) في نماذج تحويل النص إلى كلام (text-to-speech) والتي تتيح للأنظمة حذف القدرة على تقليد صوت متحدث معين. لكن كانت هناك مشكلة مستمرة: الافتراض بأن جميع طلبات الإزالة تصل دفعة واحدة، وهو ما لا يتماشى مع واقعنا حيث تأتي طلبات الإزالة بشكل متسلسل مع مرور الوقت.

هذه الفجوة تم التعرف عليها من قبل الباحثين، وقد أظهروا أن الطرق الحالية كانت تضر أكثر مما تنفع، حيث تعيد استعادة الهوية الصوتية التي تم حذفها سابقًا، مما يعرض المستخدمين لمخاطر الخصوصية.

لذلك، تم تقديم نظام CORTIS، وهو إطار عمل ثوري لإزالة الهوية الصوتية بشكل مستمر دون الحاجة للوصول إلى بيانات المتحدثين السابقين. يعتمد هذا النظام على تقنيات متقدمة مثل حجب المعلمات المبني على معلومات فيشر (Fisher-information-based parameter masking) وعمليات الإسقاط العمودية ضد الفضاءات المستخدمة سابقًا، مما يضمن الحفاظ على خصوصية المستخدمين بشكل فعال.

وبفضل نظام الصوت المبتكر VoiceBox، يمكن لـ CORTIS إزالة كل صوت مطلَب أثناء الحفاظ على عدم تذكر الأصوات السابقة، مما يفوق بشكل كبير الطرق التقليدية. يمكن للمستخدمين تجربة النظام الجديد من خلال التجربة المتاحة.

في ختام هذا العرض، هل تعتقد أن أنظمة الذكاء الاصطناعي ستستمر في تحسين قدرتها على حماية خصوصية بياناتنا؟ شاركونا آرائكم في التعليقات!