Mona Liza reperka stiže nam uz novu Microsoft tehnologiju

Istraživački tim kompanije Microsoft prošle nedelje je detaljno opisao novi model veštačke inteligencije koji može da upotrebi statičnu sliku i audio snimak osobe koja govori, pa onda automatski stvori realističan video zapis lica sa slike kako govori. Video zapisi koji mogu da budu generisani iz fotorealstičnih lica, crtanih figura ili umetničkih dela, sadrže ubedljivu sinhronizaciju usana i prirodne pokrete lica i glave. U jednom demonstracionom videu prikazana je Mona Liza kako izvodi komični rep koji je zapravo izvedba glumice En Hatavej.

Rezultat AI modela koji je nazvan VASA-1, istovremeno je zabavan i pomalo uznemirujuć koliko je zapravo realističan. Microsoft je naglasio da bi ova tehnologija mogla da bude korisna u obrazovanju ili za poboljšanje pristupa osobama koji imaju komunikacijski probleme, ili čak za kreiranje virtuelnih pratilaca za ljude. Ipak, lako je prepoznati potencijalnu zloupotrebu ovog alata za lažno predstavljanje stvarnih osoba.

Više o tome kako da prepoznate video koji je generisala veštačka inteligencija pročitajte ovde.

Zabrinutost ovog tipa prevazilazi Microsoft kao kompaniju. Na tržištu je sve više alata za kreiranje ubedljivih slika, video zapisa i zvukova koje generiše veštačka inteligencja, a stručnjaci iz tih oblasti zabrinuti su da bi njihova zloupotreba mogla da dovede do novih oblika dezinformacija. Između ostalog, postoji  zabrinutost da bi ova tehnologija mogla dodatno da poremeti neke kreativne industrije, kao što su film, snimanje reklama i slično, ističe CNN.

Microsoft trenutno nema planove da odmah stavi model VASA-1 na raspolaganje javnosti. Ovaj pristup sličan je onom što OpenAI radi sa svojim alatom za generisanje video zapisa po imenu Sora. OpenAI je predstavio AI model Sora u februaru, ali ga je do sada stavio na raspolaganje samo odabranim profesionalnim korisnicima i stručnjacima iz domena sajber bezbednosti radi testiranja.

„Microsoft se protivi upotrebi ovog  alata za stvaranje bilo kakvog obmanjujućeg ili štetnog sadržaja koji bi predstavljao stvrane ljude”, dodao je tim istraživača u svojoj blog objavi. Dalje su dodali da kompanija nema planove za objavljivanje ovog proizvoda, sve dok ne budu sigurni da će tehnologija da bude korišćena odgovorno i u skladu sa propisima.

Model VASA-1, inače je treniran na velikom broju video zapisa ljudskih lica tokom govora, i dizajniran je tako da prepozna pokrete lica i glave, koji uključuju pokrete usana, izraze lica, pogled i treptanje očiju. Kao rezultat toga, video snimci koje generiše VASA-1, veoma su realistični prilikom animiranja fotografija. U jednom demonstracionom video prikazana je osoba koja igra video igricu i koja izgleda uznemireno dok se njene obrve pomeraju, zajedno sa stisnutim usnama.

Iako postoje znakovi koji otkrivaju da su ovi video zapisi AI generisani (retko treptanje ili preterani pokreti obrva, recimo), Microsoft veruje da njihov model „značajno prevazilazi” druge slične alate i otvara put za „interakciju u realnom vremenu sa realističnim avatarima”,  koji oponašaju ljude u razgovoru.

Ako ništa drugo, kratki video gde Mona Liza peva, možda je razuverio teoretičare umetnosti i dokazao da „zagonetni osmeh” nije skrivalica za pokvarene zube?