في عالمنا اليوم، تتلقى نماذج اللغة الصوتية (Speech Language Models) اهتمامًا متزايدًا، خاصة مع انتقالها من الأجهزة الشخصية إلى البيئات المشتركة مثل المنازل الذكية. ولكن تصاعد الاستخدام في هذه البيئات يطرح تحديًا جديدًا؛ فالكثير من هذه النماذج تواجه صعوبة في التمييز بين المستخدمين، مما يؤدي إلى مخاطر في الخصوصية. ولتسليط الضوء على هذا التحدي، قدم الباحثون معيار VoxPrivacy، والذي يُعنى بتقييم ما يسمى "خصوصية التفاعل".

الخصوصية التفاعلية تشير إلى قدرة النماذج على التعامل مع المعلومات السرية بشكل آمن بين مستخدمين مختلفين. فعلى سبيل المثال، إذا كشف نموذج صوتي عن جدول مواعيد خاص بأحد المستخدمين لشخص آخر، فإن ذلك يعد فشلاً في الحفاظ على الخصوصية. لذا، يتطلب الأمر من هذه النماذج تطوير قدرات تمنحها القدرة على الاستجابة الواعية لمتطلبات كل مستخدم.

يدحض معيار VoxPrivacy الآراء السابقة التي اعتبرت أن نماذج اللغة الصوتية تحقق تقدمًا فقط من خلال قدرتها على إجراء محادثات، حيث يُظهر الحاجة إلى تقييم تطابق استجاباتها مع هوية المتحدث. يركز المعيار الجديد على تقييم مدى استجابة النماذج لجوانب الخصوصية في المحادثات، ليس فقط في خصوصية البيانات الحساسة عالمياً مثل كلمات مرور البنك، ولكن أيضًا المعلومات الحساسة في السياق، مثل المواعيد الخاصة.

يكشف تحليل تسعة نماذج صوتية على مجموعة بيانات ثنائية اللغة تضم 32 ساعة عن وجود ثغرات واسعة في الأداء؛ حيث حققت معظم النماذج مفتوحة المصدر تقريبًا دقة عشوائية (حوالي 50%) في اتخاذ قرارات الخصوصية الشرطية. حتى النماذج المغلقة القوية لم تكن فعّالة في الاستنتاج الاستباقي للخصوصية؛ كما أن فشل النماذج لم يكن مقتصرًا على البيانات الاصطناعية، بل استمر عندما تم تقييمها على بيانات مسجلة من قبل البشر.

ومع ذلك، يُظهر البحث طريقًا واضحًا للمضي قدمًا: حيث يمكن تحسين قدرات الحفاظ على الخصوصية من خلال تخصيص نموذج على مجموعة بيانات تدريبية جديدة تضم 4,000 ساعة، مما يعزز الأداء مع الحفاظ على القوة.

لذلك، تم إطلاق VoxPrivacy، كمعيار لتشجيع العمل المستقبلي وتعزيز تطوير نماذج صوتية أكثر أمانًا ووعيًا بالسياق.