「我一直覺得「瑕疵」是人類所剩不多的辨識關鍵，但這種瑕疵也漸漸的被AI一個一個的學走，而且時間也真的沒有過多久。」
昨天參加會議的時候老師在台上用了GPT 5.6 Sol (應該是這個吧？) 的語音模型給大家看看。當時我真的起雞皮疙瘩了。以前在說AI的新發展有多厲害的時候，我也是看了看然後覺得哦真的好厲害，不過昨天真的是我第一次快要分不出來在背後的到底是人還是機器，真的沒想過「聲音」、「對話」也會有恐怖谷效應出現。
我原本預期的新功能就是「打斷」、多一些「語助詞」再加上停頓等等。能做到這些我已經覺得很厲害、很震驚了，因為在對話途中真的可以打斷，模型也會停頓，說一些像是「等等」、「給我一點時間」之類的話；不過讓我最害怕的是他的「口音」，以往我們聽這些模型講話的時候，他們說出來的基本上都是「標準的」語言，比如說中文就會是字正腔圓的「北京腔」or「沒有瑕疵」的發音，然而昨天的模型卻是那種，上課同學講話「口齒不清」的樣子（有種捲舌沒捲好然後含滷蛋的感覺）。我一直覺得「瑕疵」是人類所剩不多的辨識關鍵，但這種瑕疵也漸漸的被AI一個一個的學走，而且時間也真的沒有過多久。
我記得當初考語言所口試的時候，其中一位老師問了我「你覺得人類跟AI有什麼不一樣嗎？」我停頓了7-8秒後回他「好像…沒什麼差別？」或許，在「資料」以及「載體」都充足的情況下，我們真的沒什麼不一樣吧？