대화 차이: 인간-인간과 AI 생성 대화 간의 인지적 차이

대규모 언어 모델(LLM) 기반 텍스트-음성 기술의 빠른 발전으로 인공지능(AI)은 점점 더 일관되고 자연스러운 음성을 생성할 수 있게 되었습니다. 그러나 청취자가 구조화된 다중 에이전트 AI 생성 대화를 실제 인간 상호작용과 비교하여 어떻게 인지하는지에 대한 이해에는 여전히 격차가 있습니다. 본 연구는 팟캐스트 발췌의 맥락에서 인간-인간 대화와 AI 생성 대화 간의 인지적 차이를 조사합니다. 피험자 내 실험 설계를 활용하여 70명의 참여자는 인간 팟캐스트와 AI 생성 시뮬레이션(제미니 노트북 LLM을 통해 생성됨)의 표준화된 오디오 클립을 네 가지 주요 차원(언어 다양성(LD), 톤 및 몰입감(TE), 준언어 변수(PV), 행동 역학(BD))에서 평가했습니다. 결과는 언어 다양성(p=0.0079), 톤 및 몰입감(p=0.0067), 행동 역학(p=0.0166)에서 인간 대화를 지지하는 통계적으로 유의미한 차이를 나타내며, 이는 청취자들이 여전히 인간 대화를 더 언어적으로 구조화되고 감정적으로 몰입감 있으며 유동적으로 인식하고 있음을 나타냅니다. 특히, 준언어 변수(p=0.0927)에서 유의미한 차이가 발견되지 않아 AI가 일시 정지 및 필러 단어와 같은 표면적 음향 특징을 모방하는 데 성공했음을 시사합니다. 선호도 데이터는 60%의 참가자가 실제 청취를 위해 인간 호스트를 선호한다는 결과로 이러한 발견을 뒷받침했습니다. 이러한 결과는 AI 생성 음성이 높은 준언어적 현실성을 달성했지만 여전히 인간 커뮤니케이션의 감정적 깊이와 상호작용적 뉘앙스가 부족함을 강조합니다. 본 연구는 인간-컴퓨터 상호작용(HCI) 및 합성 미디어의 윤리적 발전에 대한 이론적 및 실용적 함의를 제공합니다.