Слушатели выбирают музыку ИИ, но эмоцию передаёт человек: эксперимент на 152 участниках

Что именно проверили

Работу подготовили Кимайя Лекамвасам (Kimaya Lecamwasam) из MIT Media Lab и Тишья Рей Чаудхури (Tishya Ray Chaudhuri) из лондонской Myndstream; текст принят на NIME '26 — International Conference on New Interfaces for Musical Expression, которая проходит в Лондоне 23–26 июня 2026 года. Исследование предрегистрировано до сбора данных на Open Science Framework (DOI 10.17605/OSF.IO/62T9E).

В эксперименте участвовали 152 человека. Каждый слушал четыре одноминутных инструментальных фрагмента — два человеческих и два сгенерированных ИИ — из двух эмоциональных сценариев: Calm (успокаивающий) и Upbeat (бодрящий). Участников разделили на три группы: без подписи (Unlabeled), с верной подписью (Correctly labeled) и с неверной подписью (Incorrectly labeled) — в последней человеческую музыку обозначали как ИИ, а ИИ выдавали за человеческую.

После прослушивания участники указывали, какой фрагмент им больше понравился, какой, по их мнению, эффективнее вызывал целевую эмоцию, и объясняли выбор словами. Дополнительно измеряли эмоциональный отклик по шкале GEMIAC и состояние тревоги по STAI-S до и после задания; тревогу авторы называют разведочной, а не основной мерой.

Расхождение между симпатией и эффектом

В сумме человеческую музыку признали более действенной 58,9% ответов против 33,9% у музыки ИИ, тогда как по симпатии расклад почти сравнялся: 51,2% против 43,1% в пользу ИИ. Разница между двумя вопросами статистически значима (χ²(2) = 19,03; p < 0,001): по оценке авторов, шанс назвать ИИ-музыку действенной был на 52% ниже, чем шанс её выбрать (отношение шансов 0,48; 95% доверительный интервал [0,36; 0,65]; p < 0,001).

Асимметрия видна и внутри групп. Среди тех, кто выбрал человеческую музыку, 89,0% назвали её и более действенной; среди тех, кто выбрал ИИ, так поступили только 54,8% — разрыв 34,2 процентного пункта. В группе без подписи и в бодрящем сценарии согласованность падала до 25%: 65% участников, предпочитавших ИИ-музыку в сценарии Upbeat, всё равно считали человеческую музыку более действенной (p < 0,001).

Формально ответы совпадали примерно в 71% случаев, и эта согласованность не зависела ни от группы (p = 0,804), ни от эмоционального сценария (p = 0,511): расхождение создают крайние случаи, а не общий шум.

Что меняет подпись

Группа, то есть то, какое происхождение музыки называли участникам, значимо предсказывала симпатию (χ²(4) = 16,51; p = 0,002). В группе с неверной подписью, где ИИ-фрагменты обозначались как человеческие, музыку ИИ выбирали 72% участников в спокойном сценарии и 50% в бодрящем — против 41% и 37% в группе с верной подписью (отношение шансов 3,00; 95% доверительный интервал [1,21; 7,43]; p = 0,047 после поправки).

В группе без подписи картина похожа — 69% и 39% соответственно, — но после поправки на множественные сравнения разница с группой верной подписи значимой не стала (p = 0,157), а между группой без подписи и группой с неверной подписью различий не нашлось вовсе (p = 1,00).

На оценку действенности подпись не влияла: группа не была значимым предиктором (χ²(4) = 5,29; p = 0,259). Человеческую музыку называли более действенной во всех трёх группах — 61%, 53% и 63% — без значимых попарных различий (p больше 0,72).

Спокойное и бодрое: где модели отстают

Эмоциональный сценарий значимо влиял на симпатию (χ²(2) = 9,40; p = 0,009): музыку ИИ выбирали 60,5% участников в спокойном сценарии против 42,1% в бодрящем. В группе без подписи сдвиг был самым резким — с 68,6% до 39,2%, то есть на 29,4 процентного пункта.

На действенность сценарий тоже влиял (χ²(2) = 6,40; p = 0,041). В группе без подписи доля тех, кто называл ИИ более действенным, падала с 51% в спокойном сценарии до 11,8% в бодрящем (χ²(2) = 18,75; p < 0,001).

В терминах GEMIAC в спокойном сценарии ИИ и человеческая музыка оказались сопоставимы, а в бодрящем человеческая значимо превзошла ИИ по характеристике «энергичная, живая»: p = 0,015 в группе без подписи и p = 0,0014 в группе с верной подписью. Отсюда осторожный вывод авторов: генеративные системы могут быть сильнее в задачах низкого возбуждения — медитация, фоновая музыка, велнес-приложения, — тогда как сценарии высокого возбуждения пока требуют человеческого исполнения.

Почему «выбор ИИ» может означать выбор человека

Самая чувствительная часть работы — распознавание. В группе без подписи точность зависела от сценария: 56,9% верных ответов для бодрящей музыки против 13,7% для спокойной (χ²(1) = 28,37; p < 0,001). В спокойном сценарии 80,4% участников приняли человеческий фрагмент за ИИ, а 76,5% — ИИ за человеческий, то есть подписи фактически поменялись местами.

Отсюда ключевая цифра: 94,1% (32 из 34) участников, выбравших музыку ИИ в спокойном сценарии, были уверены, что слушают человеческую композицию; в бодрящем сценарии так ошиблись 63,2% (12 из 19). Точность подписи предсказывала и симпатию (p = 0,003 для спокойного сценария и p = 0,009 для бодрящего): среди тех, кто неверно счёл ИИ-музыку человеческой, её выбрали 79,1%, а среди правильно распознавших — 14,3%. Авторы заключают, что наблюдаемое «предпочтение ИИ» отражало предпочтение музыки, которую слушатели считали человеческой.

Качественный анализ примерно 1700 свободных ответов дал девять тем; чаще всего встречались «естественность и человечность» (252 ответа), «неуверенность и двусмысленность восприятия» (226) и «эмоциональный отклик» (225), далее — «механическое, синтетическое качество» (177) и «технические признаки» (176). Человечность участники связывали с «потоком», «настоящестью», «органичностью», «душой» и несовершенством: в одной из реплик говорится, что «казалось, будто играет настоящий человек — были крошечные огрехи, и от них становилось живо».

Опыт не помогал. Участники со средним прежним опытом общения с ИИ распознавали ИИ-музыку хуже (p = 0,018), музыкальный опыт точности не добавлял (p = 0,683), а те, кто резко возражал против ИИ в музыке, выбирали ИИ-фрагменты в 66,7% случаев, когда верили, что слушают человека.

Что из этого следует

Авторы формулируют вывод для разработчиков: симпатия — плохая единственная метрика. Если слушатели выбирают не то, что сильнее влияет на эмоцию, оценка генеративной музыкальной системы по предпочтению не покажет её терапевтическую или настроенческую пользу. Вместо поверхностной симпатии и формальной гладкости они предлагают ориентироваться на эмоциональную убедительность, открытость трактовки и доверие, а цели системы калибровать по уровню возбуждения целевой эмоции.

Прозрачность и сохранение человеческого труда авторы фиксируют как отдельную этическую рамку: следы человеческого несовершенства — часть выразительности, и пространство для живой игры стоит защищать.

Исследование предрегистрировано на Open Science Framework, этическую проверку провёл комитет MIT (COUHES, протокол E-6149), работа поддержана дискреционным финансированием Opera of the Future в MIT Media Lab. Соавтор из Myndstream работал в компании в период исследования, поэтому сбор и анализ данных вела вторая автор независимо, по утверждённому протоколу. Ограничения авторы называют сами: небольшая выборка и узкий набор стимулов, разметка свободных ответов одним кодировщиком без оценки межкодировочной согласованности, а также выводы, относящиеся прежде всего к спокойной фоновой музыке и велнес-жанрам.