Igenkänningen kommer före kontrollen
Hörselminnet är byggt för att vara effektivt. Hjärnan jämför klang, tempo och karakteristiska pauser med ett lagrat mönster och svarar "det är mamma" innan du ens hinner ställa frågan till dig själv. Det är inte godtrogenhet, utan normalt igenkännande: i vardagen ljuger en röst nästan aldrig, och det vore för kostsamt att kontrollera den varje gång.
Problemet är att igenkänningen aktiverar ett helt paket av förväntningar. Om rösten är bekant måste avsikterna också vara bekanta, sammanhanget tydligt och frågan rimlig. Du reagerar inte längre på ett ljud, utan på hela din historia med personen. Det är just det paketet som bedragare utnyttjar.
Bara att ljudet stämmer med ett mönster i ditt minne.
Att det är just den personen, att hen mår bra, ringer frivilligt och talar sanning.
Förr var glappet mellan de två kolumnerna litet: det var svårt att förfalska en röst. Nu räcker en kort inspelning från en offentlig profil, och glappet har blivit stort. Psykologin har inte förändrats, utan kostnaden för att förfalska en röst.
Sedan är det inte rösten, utan brådskan som verkar
En bekant klang får dig inte i sig att göra något. Den tar bara bort det första hindret. Sedan följer en struktur som ser nästan likadan ut i alla scenarier: brådska som inte lämnar tid att tänka, hemlighetsmakeri som gör att du inte kan ringa någon annan och en begäran som måste uppfyllas genast.
Varje del slår mot en förmåga: att stanna upp och kontrollera. Brådskan äter upp tiden. Hemlighetsmakeriet stänger ute en andra åsikt. Och en igenkännbar röst gör själva tanken på att kontrollera obekväm: vem ringer tillbaka till mamma för att försäkra sig om att det är mamma?
- Igenkänning
- Brådska
- Hemlighet
- Begäran
Om alla fyra finns i samma samtal är det ett tecken i sig, oavsett vems röst du hör. En närstående klarar en paus på två minuter. Det gör inte ett pressande manus, och därför får du ingen paus.
Hur väl belagt är det?
Experiment har mätt hur dåligt människor skiljer syntetiskt tal från äkta tal: deltagarna gissade bättre än slumpen, men hade fel ungefär vart fjärde fall, och en kort träning hjälpte bara lite. Det här är laboratoriemiljö, inte ett panikslaget samtal: korta inspelningar, ett par språk, ingen press och ingen välbekant historia bakom rösten.
Hörseln är opålitlig när det gäller att upptäcka förfalskningar: det finns fortfarande få mätningar, alla under laboratorieförhållanden
Det ändrar inte slutsatsens riktning, snarare tvärtom: i ett verkligt samtal, där det finns brådska och oro, kommer du inte att lyssna ännu mer uppmärksamt än i ett laboratorium. Det är inte klokt att utse din egen hörsel till expert på äkthet.
Läs klart i Miqo-appen
1 minut kvar, sedan ett quiz i slutet. Du hittar den under ”Psykologi → Social ingenjörskonst”
Rikta mobilkameran hit för att öppna App Store eller Google Play.
Källor
- Mai K. T. med flera, "Warning: Humans cannot reliably detect speech deepfakes", PLOS ONE, 2023
- om principer för påverkan - R. Cialdini, "Påverkan"