O que acontece com a linguagem quando máquinas começam a responder?

Recentemente, uma discussão nas redes sociais trouxe à tona a insatisfação de uma usuária com as vozes sintéticas utilizadas em audiobooks. Ela mencionou que as vozes eram "literalmente sem fôlego", o que a levou a interromper a audição devido à falta de naturalidade e variação. Essa crítica, embora pareça trivial, levanta questões mais profundas sobre como a inteligência artificial produz linguagem e como isso afeta os ouvintes.

A comunicação não se limita apenas ao que é dito, mas também ao modo como é dito. Os ouvintes se envolvem ativamente, considerando não apenas o conteúdo, mas também a entonação e as nuances da fala. Mesmo as imperfeições, como hesitações e repetições, têm significado e podem enriquecer a comunicação. Linguistas se referem a essas interrupções como "disfluências", que, embora possam ser vistas como falhas, são parte integrante da mensagem em uma conversa humana.

Voices sintéticas que eliminam essas disfluências podem soar gramaticalmente corretas, mas podem deixar os ouvintes com uma sensação de empobrecimento, já que perdem elementos que ajudam na compreensão e na conexão emocional. A linguagem é mais do que um simples catálogo de palavras; ela está entrelaçada com memórias e experiências pessoais, moldadas pelo contexto em que cada um cresceu.

A autora Arundhati Roy, em sua obra, destaca que somos "um conjunto vivo de experiências". Essa perspectiva sugere que a interação com vozes sintéticas deve considerar as complexidades da comunicação humana, para que a experiência do ouvinte não seja comprometida. O desafio para os desenvolvedores de IA é criar sistemas que não apenas reproduzam palavras, mas que também capturem a essência da comunicação humana.