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

Este artigo apresenta o ProxyMe, um protótipo de realidade virtual que combina clonagem de voz e modificação de fala por IA para explorar o conceito de "extensão do eu" em avatares, investigando como a delegação e a controlabilidade da comunicação mediada por IA influenciam a percepção de agência, autoria e identidade do usuário.

O essencial

Imagine que você está em uma festa virtual (Realidade Virtual) e, de repente, você tem um duplo digital que fala por você. Mas não é apenas um dublê; é um "super-herói" da sua própria voz que pode melhorar o que você diz, mudar o tom da sua voz ou até mesmo reformular suas ideias para que soem mais inteligentes ou mais confiantes.

Esse é o conceito do ProxyMe, um projeto de pesquisa apresentado por cientistas da Universidade de Amsterdã e do Centro Wiskunde & Informatica. O objetivo deles é explorar uma pergunta fascinante: "Isso ainda sou eu?"

Aqui está uma explicação simples, usando analogias do dia a dia:

1. O Que é o ProxyMe? (O "Espelho Mágico")

Pense no ProxyMe como um espelho mágico que não apenas reflete sua imagem, mas também melhora sua voz e suas palavras em tempo real.

• Como funciona: Você entra no mundo virtual e fala naturalmente. O sistema ouve você, processa o que você disse com uma Inteligência Artificial (IA) e faz duas coisas:
  1. Melhora o conteúdo: Se você gaguejar ou não encontrar a palavra certa, a IA reescreve a frase para ficar mais clara.
  2. Modifica a voz: A IA pode usar uma versão clonada da sua voz (para soar como você, mas perfeito) ou uma voz robótica, dependendo do que você precisa.
• O Resultado: O avatar (seu corpo virtual) fala com essa versão "melhorada". A ideia é que você sinta que aquela voz e aquelas palavras ainda são suas, mesmo tendo sido polidas por uma máquina.

2. A Grande Questão: "Isso sou eu?" (A Extensão de Si Mesmo)

Os pesquisadores estão estudando o conceito de "Extensão de Si Mesmo".

• A Analogia do Óculos: Quando você usa óculos, você não pensa "olhos do óculos", você pensa "eu estou vendo". O óculos se tornou parte do seu corpo.
• O Desafio do ProxyMe: Quando a IA muda o que você diz, o limite entre "o que eu pensei" e "o que a máquina pensou" fica borrado.
  • Se o avatar diz algo muito inteligente que você não teria dito sozinho, você sente orgulho? ("Isso sou eu!")
  • Ou você sente estranho, como se estivesse sendo possuído? ("Isso não é eu!")
  • O estudo quer descobrir onde está essa linha tênue e como as pessoas se sentem quando sua "voz" é um pouco diferente da sua "mente".

3. Para Que Serve Isso? (Cenários do Futuro)

Os autores imaginam três situações principais onde isso seria útil:

• O Orador Nervoso (A "Muleta de Confiança"): Imagine alguém que tem pavor de falar em público. O ProxyMe agiria como um treinador invisível. Você fala, e o sistema suaviza sua voz, remove as gagueiras e dá um tom mais seguro. Você continua sendo o autor da ideia, mas a entrega é perfeita.
• O Explorador de Identidade (O "Filtro de Personalidade"): Imagine que você quer ser mais assertivo ou mais empático, mas não sabe como agir. O ProxyMe pode atuar como um filtro de personalidade. Você fala, e o sistema ajusta suas palavras para refletir essa nova versão de você, ajudando a treinar como ser essa pessoa na vida real.
• A Terapia de Distanciamento (O "Espelho Terapêutico"): Às vezes, dizer algo doloroso sobre nós mesmos é difícil. O ProxyMe pode falar essas palavras por você, como se fosse um terapeuta externo. Isso permite que você ouça seus próprios problemas com um pouco mais de calma e distância, facilitando a cura emocional.

4. Os Riscos e Desafios (O "Vale da Estranheza")

O papel também alerta para os perigos:

• A Culpa e a Responsabilidade: Se o seu avatar virtual disser algo ofensivo porque a IA reformulou sua frase, quem é o culpado? Você ou a máquina?
• O "Vale da Estranheza" da Voz: Se a sua voz clonada soar quase igual, mas com um detalhe estranho, você pode se sentir desconfortável, como se estivesse ouvindo um estranho usando sua identidade.
• A Perda de Controle: Se a IA começar a mudar tanto o que você diz que você nem percebe mais a diferença, você pode começar a acreditar que as ideias da máquina são suas (o que chamam de "lacuna de memória da IA").

Resumo Final

O ProxyMe é como um co-piloto para a sua voz e personalidade no mundo virtual. Ele tenta nos ajudar a sermos melhores comunicadores e a explorarmos quem somos, mas nos força a fazer uma pergunta profunda: até que ponto podemos deixar uma máquina falar por nós antes de esquecermos quem somos?

É um passo em direção a um futuro onde a tecnologia não é apenas uma ferramenta que usamos, mas uma parte que se mistura com quem somos, como se fôssemos um "cyborg" da comunicação.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "Is it Me? Toward Self-Extension to AI Avatars in Virtual Reality", apresentado em português:

1. O Problema

O avanço rápido da Inteligência Artificial Generativa, síntese de fala e avatares corporificados (embodied avatars) permitiu a criação de sistemas que não apenas assistem na comunicação, mas podem agir como proxies (representantes) em nome do usuário.

• A Lacuna: A pesquisa anterior em HCI (Interação Humano-Computador) focou principalmente em sistemas como ferramentas externas. Há pouca atenção sobre as consequências experienciais de quando a fala e as ações do usuário são assimiladas com conteúdo gerado por IA, criando um "loop cognitivo ou sensorimotor fechado".
• A Questão Central: Até que ponto um usuário pode experimentar uma comunicação modificada por IA como parte de seu próprio comportamento expressivo? Isso levanta questões sobre agência (quem está agindo), autoria (quem escreveu/falou) e identificação (é "eu" ou é o sistema?). O artigo explora o conceito de "auto-extensão" (self-extension), onde a tecnologia se torna parte integrante do processo cognitivo e vocal do usuário.

2. Metodologia e Implementação (ProxyMe)

Os autores apresentam o ProxyMe, um protótipo em VR (Realidade Virtual) em desenvolvimento projetado para investigar a auto-extensão baseada em avatares.

• Conceito de Interação: O usuário veste um avatar em VR e interage com um agente virtual. O sistema captura a fala inicial do usuário, processa-a via IA e devolve uma resposta modificada (reformulada ou ampliada) que é falada pelo avatar, usando uma voz clonada ou modificada.
• Arquitetura do Sistema:
  1. Entrada: O usuário fala naturalmente.
  2. Transcrição: O áudio é convertido em texto usando o modelo Whisper.
  3. Processamento/Modificação: O texto é enviado para um LLM (Llama-3.1-8B), que edita, estende ou reformula o conteúdo com base em instruções pré-definidas (ex: "melhorar", "contrapor", "repetir").
  4. Síntese de Fala: O texto modificado é convertido em áudio usando o modelo IndexTTS, que pode gerar uma versão clonada da voz do usuário ou uma voz sintética neutra (estilo robô).
  5. Saída: O avatar no VR reproduz o áudio modificado como se fosse a sua própria continuação da conversa.
• Configuração Experimental:
  • Perspectiva: O sistema utiliza uma perspectiva de terceira pessoa (observável), permitindo que o usuário veja seu avatar e a interação sem sentir a obrigação de intervir constantemente.
  • Variáveis: O estudo planejado é um desenho within-subjects (dentro dos sujeitos) com um fatorial 2x3:
    • Voz: Clonada vs. Robótica.
    • Conteúdo: Repetição (apenas transcrição), Melhoria (Enhance) vs. Contraponto (Counter).
  • Tarefas: Diálogos morais de curta duração com um agente virtual.

3. Contribuições Chave

1. Definição de Auto-Extensão em Avatares: O trabalho propõe um novo quadro conceitual onde a modificação de fala e ação por IA é vivenciada como uma extensão do "eu", alinhando-se com a teoria da "Mente Estendida" (Extended Mind) de Clark, mas aplicada a contextos de comunicação multimodal em tempo real.
2. O Protótipo ProxyMe: Uma implementação funcional que integra clonagem de voz, modificação de texto em tempo real e embodiment em VR, servindo como base para estudos futuros sobre delegação de agência.
3. Exploração de Cenários de Uso: Identificação de aplicações potenciais que vão além da produtividade, incluindo:
   • Apoio à Fala Pública: Melhorar fluência e tom sem perder a autoria.
   • Exploração de Identidade: Testar estilos expressivos diferentes (ex: mais assertivo) mantendo os valores pessoais.
   • Terapia Corpo-Mente: Criar distanciamento psicológico de falas emocionalmente carregadas para reflexão.
4. Diretrizes de Design: Estabelecimento de metas de design críticas, como a necessidade de observabilidade (para manter a consciência da modificação), baixa latência (para manter a sensação de agência) e alinhamento de valores (garantir que a IA não desvie harmfulmente da intenção do usuário).

4. Resultados e Status Atual

Como o artigo descreve um trabalho em andamento ("work-in-progress") e um protótipo inicial:

• Latência: A latência ponta a ponta atual é de aproximadamente 11,6 segundos (1,2s STT + 2,9s LLM + 7,5s TTS). Os autores reconhecem que isso pode prejudicar o fluxo de interação e a sensação de "ser o eu", mas estão explorando técnicas de "mascaramento perceptivo" (usar janelas de turnos de conversa para esconder o atraso) e arquitetura de streaming para reduzir isso.
• Validação: O estudo de usuário completo (com 2x3 condições) ainda não foi relatado como concluído; o artigo foca no desenho experimental e nas questões teóricas levantadas.
• Desafios Identificados:
  • Fosso de Memória (AI Memory Gap): Risco de o usuário esquecer o que foi dito por ele versus o que foi gerado pela IA.
  • Alienação: O desconforto de ouvir a própria voz clonada, mas com conteúdo diferente ou modificado.
  • Atribuição de Responsabilidade: Quem é responsável se o avatar clonado disser algo ofensivo ou errado?

5. Significado e Implicações

Este trabalho é fundamental para o futuro da interação Humano-IA porque:

• Desloca o Foco da Ferramenta para a Extensão: Move a discussão de "como usar a IA como ferramenta" para "como a IA se torna parte de quem somos".
• Ética e Segurança: Destaca a urgência de desenvolver sistemas que equilibrem a delegação de tarefas com a manutenção da agência humana e a atribuição clara de autoria, especialmente em contextos onde a IA pode influenciar decisões morais e valores.
• Futuro da Identidade Digital: Levanta questões sobre roubo de identidade, "duplicatas digitais" e como a sociedade deve tratar avatares que agem como proxies persistentes de usuários reais.
• Base para HCI Futura: Oferece um modelo experimental para estudar como a integração cognitiva e sensorial com IA pode ser projetada de forma ética e eficaz, evitando a alienação do usuário de suas próprias ações.

Em resumo, o ProxyMe serve como um laboratório para investigar os limites da identidade humana em um mundo onde a comunicação pode ser instantaneamente editada, clonada e ampliada por algoritmos, questionando a própria natureza do "eu" na era da inteligência artificial corporificada.