Qualquer criança (ou cônjuge) que tenha sido repreendido por seu tom de voz - como gritar ou ser sarcástico - sabe que o maneira você fala com alguém pode ser tão importante quanto o palavras que você usa. Artistas e atores de voz fazem grande uso disso - eles são habilidosos em dar sentido ao modo como falam, às vezes muito mais do que as palavras merecem.

Mas quanta informação é carregada em nosso tom de voz e padrões de conversação e como isso afeta nosso relacionamento com os outros? Sistemas computacionais já podem estabelecer quem são as pessoas de suas vozes, eles também poderiam nos dizer algo sobre nossa vida amorosa? Surpreendentemente, parece que sim.

Nova pesquisa acaba de publicar na revista PLOS-ONE, analisou as características vocais de casais 134 em tratamento. Pesquisadores da Universidade do Sul da Califórnia usaram computadores para extrair recursos padrão de análise de fala de gravações de participantes da sessão de terapia durante dois anos. Os recursos - incluindo passo, variação no tom e na entonação - todos se relacionam com aspectos vocais como tom e intensidade.

Um algoritmo de aprendizado de máquina foi então treinado para aprender uma relação entre essas características vocais e o resultado final da terapia. Isso não era tão simples quanto detectar gritos ou vozes elevadas - incluía a interação da conversa, quem falava quando e por quanto tempo e o som das vozes. Acontece que ignorar o que estava sendo dito e considerar apenas esses padrões de fala era suficiente para prever se os casais ficariam juntos ou não. Isso foi puramente orientado a dados, por isso não relacionou os resultados a atributos de voz específicos.

Como um tom de voz pode mudar o significado de algumas palavras.

{youtube}https://youtu.be/GVqJtvRjuns{/youtube}

Curiosamente, as gravações de vídeo completas da sessão de terapia foram então dadas aos especialistas para classificar. Ao contrário da AI, eles fizeram suas previsões usando avaliação psicológica baseada nos atributos vocais (e outros) - incluindo as palavras falada e linguagem corporal. Surpreendentemente, sua previsão do resultado final (eles estavam corretos em 75.6% dos casos) foi inferior às previsões feitas pela IA com base apenas nas características vocais (79.3%). Claramente existem elementos codificados na forma como falamos que nem mesmo os especialistas estão cientes. Mas os melhores resultados vieram da combinação da avaliação automatizada com a avaliação dos especialistas (79.6% correto).

O significado disso não é tanto envolver a AI no aconselhamento matrimonial ou fazer com que os casais falem melhor uns com os outros (por mais meritório que seja). O significado é revelar quanta informação sobre nossos sentimentos subjacentes está codificada na maneira como falamos - alguns deles completamente desconhecidos para nós.

Palavras escritas em uma página ou tela têm significados lexicais derivados de suas definições de dicionário. Estes são modificados pelo contexto das palavras que o rodeiam. Pode haver grande complexidade por escrito. Mas quando as palavras são lidas em voz alta, é verdade que elas assumem significados adicionais que são transmitidos pelo estresse da palavra, volume, taxa de fala e tom de voz. Em uma conversa típica, também há significado em quanto tempo cada palestrante fala, e com que rapidez um ou outro pode se interpor.

Considere a simples pergunta "Quem é você?" Tente falar isso com ênfase em palavras diferentes; "Quem é Você?", "Quem e guarante que os mesmos estão você e "Quem você está?". Ouça estas - o significado semântico pode mudar com a forma como lemos, mesmo quando as palavras permanecem as mesmas.

Computadores lendo 'vazando sentidos'?

Não é surpreendente que as palavras transmitam significados diferentes dependendo de como são faladas. Também não é surpreendente que os computadores possam interpretar alguns dos significados por trás de como escolhemos falar (talvez um dia eles possam até mesmo entenda a ironia).

Mas esta pesquisa leva mais longe do que apenas olhar para o significado transmitido por uma sentença. Parece revelar atitudes e pensamentos subjacentes que estão por trás das sentenças. Este é um nível muito mais profundo de compreensão.

Os participantes da terapia não estavam lendo palavras como atores. Eles estavam apenas conversando naturalmente - ou tão naturalmente quanto podiam no consultório de um terapeuta. E ainda a análise revelou informações sobre seus sentimentos mútuos que eles estavam "vazando" inadvertidamente em seu discurso. Este pode ser um dos primeiros passos no uso de computadores para determinar o que realmente estamos pensando ou sentindo. Imagine por um momento conversando com futuros smartphones - vamos “vazar” informações que eles podem pegar? Como eles vão responder?

Eles poderiam nos aconselhar sobre possíveis parceiros ouvindo-nos conversando? Eles poderiam detectar uma propensão para comportamento anti-social, violência, depressão ou outras condições? Não seria um salto de imaginação imaginar o dispositivos próprios como futuros terapeutas - interagindo conosco de várias maneiras para rastrear a eficácia das intervenções que estão realizando.

Não se preocupe ainda, porque estamos a anos de distância de tal futuro, mas isso aumenta questões de privacidade, especialmente à medida que interagimos mais profundamente com os computadores ao mesmo tempo em que eles estão se tornando mais poderosos ao analisar o mundo ao seu redor.

Quando paramos também para considerar os outros sentidos humanos separados do som (fala); talvez também vazemos informações através da visão (como linguagem corporal, corar), toque (temperatura e movimento) ou mesmo cheiro (feromônios). Se os dispositivos inteligentes podem aprender muito ouvindo como falamos, uma maravilha quanto mais eles poderiam recolher dos outros sentidos?.

Sobre o autor

Ian McLoughlin, professor de computação, chefe de escola (Medway), Universidade de Kent

Este artigo foi originalmente publicado em A Conversação. Leia o artigo original.

Livros relacionados:

at InnerSelf Market e Amazon