2014年を通じて米国沿岸警備隊に何度も偽の緊急通報をしたいたずら犯は、自分は捕まらないと思っていたのでしょう。指紋もDNAの証拠も残さず、捜査官が発信場所を三角測量で特定できないよう、通話を短時間で切り上げていました。
しかし、このいたずら犯にとって不運なことに、AIを活用した音声分析は今や、単なる指紋よりもはるかに多くのことを明らかにできるほど進歩しています。録音された音声を分析する強力な技術を使い、科学者たちは話者の身体的特徴、たとえば身長、体重、顔の構造、年齢から、社会経済的背景、収入水準、さらには身体と精神の健康状態に至るまで、幅広い事柄を高い確度で予測できるようになっています。
この分野を代表する科学者の一人が、カーネギーメロン大学のリタ・シン氏です。同大学の言語技術研究所に所属しています。米国沿岸警備隊から2014年の偽通報の録音が送られてきたとき、シン氏はすでに音声認識の研究に20年間取り組んでいました。「『分かることを教えてほしい』と言われました」と、彼女は今年初めにWomen in Tech Show ポッドキャストで語りました。「そのとき、信号そのものを超えて調べ始めたのです。この人物について沿岸警備隊にどこまで伝えられるだろうか、と」
声があなたについて語ること
シン氏とカーネギーメロン大学の同僚たちが開発した手法では、人がどのように言葉を発するかに見られる、人間の耳には聞き取れないほどわずかな違いを分析し、比較します。次に、録音された音声を数ミリ秒単位の短い断片に分解し、AI技術を用いてそれらを詳しく調べ、個人を特定する手掛かりを探します。
声からは、環境に関する情報も多く分かります。たとえば、この技術は、誰かが話している部屋の広さや、窓の有無、さらには壁の材質まで推測できます。さらに驚くべきことに、AIは地域の電力網の変動が録音に残した特徴を検出し、それを特定のデータベースと照合することで、発信者の実際の居場所や電話を取った正確な時刻をかなり詳しく推定できます。
もちろん、こうした技術が役立つのは、いたずら電話に限りません。嫌がらせから児童虐待に至る連邦犯罪事件の捜査でも、この比較的新しい技術が活用されています。「音声が関わる事件では、加害者が特定され、自白に至っています。その自白は、おおむね私たちの分析を裏付けています」とシン氏は語ります。
3Dの人物像
研究はまだ始まったばかりです。シン氏と共同研究者たちは、音声録音だけをもとに容疑者の3D視覚画像を作成し、警察に提供できる新技術を開発しています。「音声から話者の顔のスケッチに加え、身長、体重、人種、年齢、酩酊の程度も推定できます」と彼女は言います。
ただし、この種の音声に基づくプロファイリング技術が法廷で有効と認められるまでには、まだ時間がかかりそうです。シン氏はこう説明します。「証拠として採用できるかどうかについては、議論があるでしょう。米国で初めてDNA鑑定に基づく有罪判決が出た1987年当時と、今は似た状況にあります」
こうした技術は、沿岸警備隊を欺いたいたずら犯にとって悪い知らせとなりました。米国では、緊急サービスへのいたずら電話は連邦犯罪とみなされ、多額の罰金や数年間の禁錮刑が科される可能性があります。また通常、通話そのものが唯一の証拠です。シン氏は沿岸警備隊が誤った手掛かりを排除し、容疑者を特定するのに役立つプロファイルを作成しました。沿岸警備隊は近く起訴に持ち込みたい考えです。
技術の進歩が現在のような指数関数的な速さで続くことを考えれば、今後、法執行機関でこの技術がさらに広く使われるようになるのは間違いないでしょう。この記事を読んでいる、いたずら電話を考えている人は、今のところ昔ながらの新聞紙の切り抜きと糊を使う方法にしておくのがよさそうです。指紋だけは残さないように。
