Is it Me? Toward Self-Extension to AI Avatars in Virtual Reality

Questo articolo presenta "ProxyMe", un prototipo in realtà virtuale che esplora il concetto di "estensione del sé" agli avatar AI, permettendo agli utenti di sperimentare come la modifica della propria voce e del contenuto parlato tramite intelligenza artificiale possa essere percepita come parte del proprio comportamento espressivo, analizzando le implicazioni su agenzia, paternità e identificazione personale.

L'essenziale

Ecco una spiegazione semplice e creativa del paper "Is it Me? Toward Self-Extension to AI Avatars in Virtual Reality", pensata per chiunque, anche senza conoscenze tecniche.

Immagina di avere un doppio digitale che ti aiuta a parlare, ma non è un semplice assistente che ti scrive i messaggi. È qualcosa di più profondo: è come se il tuo "io" virtuale fosse un muscolo extra che il tuo cervello ha imparato a usare.

Il Concetto: "ProxyMe" (Il Mio Prossimo)

Gli autori (Jieying Zhang, Steeven Villa e Abdallah El Ali) hanno creato un prototipo chiamato ProxyMe. Immagina di indossare un visore per la Realtà Virtuale (VR) e di vedere il tuo avatar (il tuo corpo digitale).

Ecco come funziona la magia:

1. Tu parli: Dici una frase semplice, magari un po' titubante o confusa.
2. L'AI ascolta e trasforma: Un'intelligenza artificiale cattura la tua voce, la riscrive per renderla più chiara, più coraggiosa o più gentile, e poi la "veste" con la tua stessa voce (clonata).
3. L'avatar parla: È il tuo avatar a pronunciare la frase migliorata, con la tua voce, ma con un tono perfetto.

L'Analogia: Il "Filtro Magico" o il "Cappotto dell'Identità"

Pensa a questo sistema come a un filtro magico per la tua voce, simile a quelli che usi su TikTok o Instagram, ma molto più intelligente.

• Se sei timido e dici: "Ciao, forse potremmo provare a fare questo...", il sistema lo trasforma in: "Ciao! Sono entusiasta di provare questo!".
• La differenza è che non stai solo leggendo un testo scritto da qualcuno. È il tuo avatar che parla con la tua voce.

L'obiettivo è capire: quando senti quella voce migliorata uscire dalla tua bocca digitale, pensi ancora che sia "te"? O senti che è un estraneo che parla per te?

Perché è importante? (Le Tre Scenari)

Gli autori immaginano tre modi in cui questo potrebbe cambiare la nostra vita:

1. Il "Super-Potere" per chi ha difficoltà: Immagina di avere difficoltà a parlare in pubblico o di balbettare. ProxyMe agisce come un correttore di stile in tempo reale. Tu esprimi il tuo pensiero, e il sistema lo "lucida" istantaneamente, permettendoti di sembrare sicuro e fluente, mantenendo però il controllo su ciò che dici. È come avere un allenatore che ti sussurra le parole perfette mentre parli.
2. Il "Trucco" per esplorare chi sei: Vuoi essere più coraggioso o più empatico? Puoi usare ProxyMe per "provare" queste versioni di te stesso. È come indossare un costume da supereroe, ma invece di cambiare solo l'aspetto, cambi anche il modo in cui ti esprime. Puoi vedere come ti senti a parlare in modo assertivo senza dover essere davvero aggressivo nella vita reale.
3. La "Distanza Terapeutica": A volte dire le cose a se stessi è troppo doloroso. ProxyMe permette di dire quelle cose difficili attraverso il tuo avatar. È come parlare con uno specchio che ti risponde con la tua voce, ma con un tono più calmo e distaccato, aiutandoti a elaborare emozioni forti senza soffrire troppo.

Il Grande Dilemma: "Sono io o no?"

Il cuore del paper è una domanda filosofica: Dove finisce l'essere umano e dove inizia la macchina?

• Il rischio: Se l'AI riscrive troppo le tue parole, potresti iniziare a pensare che le idee migliori siano sue, non tue. Potresti perdere il senso di "proprietà" su ciò che dici (come se avessi un amnesia digitale).
• L'opportunità: Se funziona bene, potresti sentire che l'AI è diventata parte di te, un'estensione del tuo cervello, proprio come quando usi un martello e senti che è parte della tua mano.

Cosa succede dopo?

Gli autori stanno ancora lavorando su questo. Devono risolvere problemi tecnici (come il ritardo tra il momento in cui parli e quello in cui l'avatar risponde) e, soprattutto, devono capire come le persone si sentono psicologicamente.
Stanno pianificando esperimenti per vedere se le persone si sentono ancora "autrici" delle loro parole quando l'AI le modifica.

In Sintesi

ProxyMe è un esperimento per vedere se possiamo fondere la nostra identità con l'intelligenza artificiale in modo sano. Non si tratta di sostituire l'uomo con un robot, ma di creare un ponte dove la tecnologia ci aiuta a essere la versione migliore di noi stessi, mantenendo però la domanda fondamentale: "Quando l'avatar parla, è davvero me?"

Sommario tecnico

Ecco una sintesi tecnica dettagliata del paper "Is it Me? Toward Self-Extension to AI Avatars in Virtual Reality" in italiano.

Titolo

Is it Me? Verso l'Estensione del Sé agli Avatar AI nella Realtà Virtuale

1. Il Problema

Il lavoro affronta la crescente convergenza tra intelligenza artificiale generativa, sintesi vocale e avatar incarnati (embodied avatars) in ambienti di Realtà Virtuale (VR). Mentre la ricerca precedente si è concentrata sull'AI come strumento esterno per assistere la comunicazione, c'è una lacuna nella comprensione delle conseguenze esperienziali quando le azioni e la voce dell'utente vengono assimilate e modificate dall'AI in tempo reale.
Il problema centrale è definire i confini tra l'agenzia umana e quella algoritmica quando un sistema AI agisce come "prossie" (sostituto) dell'utente. Questo solleva questioni critiche su:

• Estensione del Sé: In che misura le modifiche AI alla comunicazione vengono percepite come parte del comportamento espressivo proprio?
• Autorialità e Agenzia: Chi è responsabile delle parole pronunciate se l'AI le riformula, le estende o le modifica?
• Identità: Come influisce la dissonanza tra la voce intenzionale dell'utente e l'output modificato sulla percezione di sé (il "Proteus effect" e l'effetto "uncanny valley" vocale)?

2. Metodologia e Implementazione (ProxyMe)

Gli autori presentano ProxyMe, un prototipo VR in fase di sviluppo progettato per esplorare l'auto-estensione attraverso un ciclo di feedback sensorimotorio chiuso.

Architettura del Sistema:
Il sistema opera in un ciclo di dialogo in VR composto dai seguenti passaggi:

1. Input Utente: L'utente parla naturalmente con un agente virtuale.
2. Trascrizione (STT): L'audio viene trascritto in testo utilizzando il modello Whisper.
3. Elaborazione e Modifica (LLM): Il testo viene inviato a un modello linguistico (Llama-3.1-8B) che, basandosi su prompt predefiniti, riformula, estende o corregge il contenuto. Le modifiche possono includere:
   • Enhancement: Miglioramento della chiarezza o dell'empatia.
   • Counter: Sostituzione con un'opinione opposta o una sfida logica.
   • Repetition: Ripetizione fedele.
4. Sintesi Vocale (TTS): Il testo modificato viene convertito in audio. Il sistema utilizza IndexTTS per generare la voce in due modalità:
   • Clonazione: La voce dell'utente (Voice Clone).
   • Robotica: Una voce sintetica neutra (stile Siri).
5. Output: L'avatar dell'utente pronuncia la frase modificata nel mondo virtuale, mentre l'utente osserva la scena (spesso da una prospettiva di terza persona).

Obiettivi di Progettazione:

• Incarnazione Forte (Strong Embodiment): Utilizzo di avatar controllati dall'utente e clonazione vocale per rafforzare il senso di proprietà sull'azione.
• Prospettiva Osservabile: Adozione di una prospettiva in terza persona per permettere all'utente di osservare le azioni del "prossie" senza sentirsi obbligato a intervenire costantemente.
• Delega Parziale: Il sistema agisce su behalf dell'utente senza richiedere approvazione esplicita per ogni singola modifica, testando i limiti dell'accettazione dell'utente.
• Privacy: Esecuzione locale dei modelli per evitare la trasmissione di dati biometrici sensibili.

3. Contributi Chiave

1. Framework Concettuale di "Self-Extension": Il paper propone un nuovo paradigma in cui l'AI non è solo uno strumento, ma una parte integrante del processo cognitivo e motorio dell'utente, fondendosi con il suo comportamento comunicativo.
2. Prototipo Funzionale (ProxyMe): Implementazione tecnica che combina clonazione vocale, LLM e avatar VR per creare un ciclo di comunicazione mediato dall'AI in tempo reale.
3. Analisi delle Dimensioni di Controllo: Identificazione di come variabili come il tipo di voce (clonata vs. robotica) e il grado di modifica del contenuto (ripetizione vs. contrapposizione) influenzino la percezione di agenzia e autorialità.
4. Scenari Applicativi: Definizione di casi d'uso specifici:
   • Supporto alla comunicazione: Aiuto per chi ha difficoltà di eloquio o ansia sociale.
   • Esplorazione identitaria: Sperimentazione di stili espressivi diversi (es. più assertivi) mantenendo i propri valori di base.
   • Terapia mente-corpo: Creazione di distanza psicologica da discorsi emotivamente carichi per favorirne la riflessione.

4. Risultati e Stato Attuale

Poiché il paper descrive un lavoro in corso (Work-in-Progress) e un prototipo iniziale, non presenta risultati quantitativi finali di uno studio su larga scala, ma offre dati preliminari e osservazioni:

• Latenza: La latenza end-to-end attuale è di circa 11,6 secondi (1,2s STT + 2,9s LLM + 7,5s TTS). Gli autori riconoscono che questo ritardo può interrompere il senso di agenzia e di estensione del sé, e stanno lavorando su architetture di streaming per ridurre la latenza percepita tramite mascheramento percettivo.
• Fattibilità Tecnica: È stato dimostrato che è possibile integrare clonazione vocale e modifica semantica in un ciclo di dialogo VR, creando un'esperienza in cui l'utente vede e sente le proprie parole trasformate dall'AI.
• Osservazioni Preliminari: Si ipotizza che la dissonanza tra l'intenzione originale e l'output modificato possa creare confusione o alienazione, specialmente se l'utente non riconosce immediatamente la modifica come propria.

5. Significato e Implicazioni

Il lavoro è significativo per il campo dell'Interazione Uomo-Macchina (HCI) e dell'etica dell'AI per diversi motivi:

• Ridefinizione dell'Agenzia: Sfida la nozione tradizionale di autorialità. Se un avatar parla con la mia voce ma dice cose che non avrei detto, chi è responsabile? Il paper suggerisce che l'AI sta diventando un'estensione cognitiva che richiede nuovi modelli di attribuzione della responsabilità.
• Sicurezza e Allineamento dei Valori: Evidenzia la necessità di allineare i sistemi AI ai valori dell'utente per evitare che l'estensione del sé porti a comportamenti dannosi o incoerenti con l'identità dell'utente.
• Futuro delle Interazioni Sociali: Prevede scenari in cui gli avatar AI potrebbero agire come "prossie" persistenti nelle relazioni sociali, sollevando questioni su identità digitale, furto di identità e la natura delle relazioni umane mediate da agenti autonomi.
• Prospettive Future: Il paper delinea la necessità di studi futuri per comprendere come la delega parziale influenzi la memoria autobiografica (il "gap di memoria AI") e come progettare interfacce che permettano agli utenti di mantenere il controllo e la consapevolezza della provenienza delle informazioni (self vs. extension).

In sintesi, "Is it Me?" non è solo un progetto tecnico, ma un invito a esplorare filosoficamente e tecnicamente i confini del sé umano in un'era in cui l'intelligenza artificiale può parlare, pensare e agire "al posto nostro" in modo così convincente da essere percepito come parte di noi stessi.