في عالم يتزايد فيه الاعتماد على تقنيات الذكاء الاصطناعي، تأتي أهمية دقة كشف التزييف الصوتي (Audio Deepfake Detection) كأمر حيوي. تقدم نماذج كشف التزييف الصوتي تكنولوجيا متقدمة لتحديد ما إذا كان الصوت حقيقياً أم مُولَّداً بصورة صناعية. إلا أن التحدي يكمن في أن هذه النماذج قد لا تكون دقيقة بنفس القدر عبر الفئات المختلفة، خصوصاً عندما يتعلق الأمر بالجنس.

في دراسة حديثة تم نشرها على منصة arXiv، تمّ استكشاف هذه القضية من خلال استخدام مجموعة البيانات ASVspoof5. إذ تم تصميم تقسيم مخصص للتحكم في تأثيرات تكوين الجنس على أداء نماذج الكشف. تم تدريب نماذج مختصة بالهجوم على تسع مجموعات تدريبية مختلفة تحتوي على تكوينات جنسية تتراوح بين مجموعات تحتوي على إناث فقط إلى مجموعات تحتوي على ذكور فقط.

استخدم الباحثون مصنف ResNet18 مع ميزات LogSpectrogram وWavLM-Base+، وقد تم تقييم ست استراتيجيات مختلفة لضبط العتبات بعد التدريب. أظهرت النتائج التجريبية أن تكوين بيانات التدريب يؤثر بشكل كبير على اتجاه الانحياز، حيث كان أداء الجنس الأقل تمثيلاً أسوأ في وقت الاختبار. كما أظهرت ميزات WavLM-Base+ فجوات في الأداء بين الجنسين أكبر 3.0 إلى 4.3 مرة مقارنةً بميزات LogSpectrogram تحت نفس ظروف التدريب.

وعلى الرغم من وجود استراتيجيات مختلفة لضبط العتبات، بما في ذلك استخدام Oracle calibration مع وصول كامل لبيانات اختبار المجموعة، إلا أن الفجوة في معدل الأخطاء المتساوية ظلت دون تغيير عند 1.317 نقطة مئوية. وهذا يشير إلى أن تعديل العتبات لا يمكن أن يصحح التباينات الأساسية في توزيع النتائج.

تؤكد هذه النتائج على ضرورة معالجة العدالة الجندرية في نماذج الكشف عن التزييف الصوتي أثناء مرحلة التدريب، حيث يمكن أن تقلل الأساليب المستخدمة بعد التدريب فقط من الفجوات الناتجة، وليس القضاء عليها.

هل تعتقد أن تحسين دقة الكشف عن التزييف الصوتي يمكن أن يساهم في تعزيز العدالة الجندرية في تقنيات الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!