تحقیقات جدیدی پژوهشگران کالج امپریال لندن و مرکز تحقیقاتی هوش مصنوعی سامسونگ در بریتانیا نشان می دهد که چگونه می توان از یک عکس و فایل صوتی برای تولید یک پرتره ویدئویی آواز خواندن یا صحبت کردن استفاده کرد.
به گزارش سرویس آی تی و فناوری انتخاب، محققان با استفاده از برنامه های دیپ فیک گذشته، نوعی جدید از تکنولوژی دیپ فیک را طراحی کرده اند که می تواند تنها یک عکس قدیمی از شخصی که دیگر زنده نیست یک ویدئوی طولانی سخنرانی بسازد.
اگر در مورد تکنولوژی دیپ فیک نمی دانید لازم است بدانید که این تکنولوژی نخستین بار برای ساخت ویدئوهای جعلی از چهره های سرشناس سیاسی استفاده شد و به سرعت برای ساخت ویدئوهای غیراخلاقی نیز رواج پیدا کرد. برای مثال استفاده از چهره اسکارلت ژوهانسون روی یک فیلم غیراخلاقی یا سخنرانی جعلی باراک اوباما علیه ترامپ از این نوع تکنولوژی استفاده کرده است.
در تکنولوژی جدید دیپ فیک آلبرت انیشتن تنها با یک عکس و صدا می تواند زنده باشد و سخنرانی کند. البته درست است که تولید ویدئو با صدای ورودی مطابقت دارد، اما برای اطلاع رسانی خاص احساسات بهینه سازی شده است. این تکنولوژی در حال رشد است.
اما رواج تحقیقاتی مانند پژوهش مذکور به وضوح موجب نگرانی مردم در مورد چگونگی استفاده از عکس و فایل های صوتی آنان برای ترویج اطلاعات غلط و تبلیغاتی شد. اکنون برخی قانونگذاران ایالات متحده نیز نگران آینده استفاده از این روش ها هستند. شاید بگویید این افراد نگرانی بی جا دارند اما اگر دقت کنیم که این تکنولوژِ واقعا برای مقاصد سیاسی و غیراخلاقی مورد سوء استفاده قرار گرفته است، شاید حق را به این افراد بدهید .
البته اگر بدبین نباشیم می توانیم منتظر باشیم که با یک عکس و نمونه صدا از الویس پریسلی، هنرمند فقید حوزه راک اند رول بتوان شاهد برگزاری کنسرت واقع گرایانه توسط نمونه دیپ فیک او باشیم.
گروهی از پژوهشگران در موسسه پژهشی سامسونگ در مسکو موفق شده اند نوعی الگوریتم هوش مصنوعی جدید طراحی کنند که می تواند با کمک "دیپ فیک" تصاویر جعلی سه بعدی را به راحتی و تنها با یک عکس ساده ایجاد کند.
