Η Microsoft Research Asia παρουσίασε πρόσφατα το VASA-1, ένα πρωτοποριακό εργαλείο τεχνητής νοημοσύνης που μπορεί να δημιουργήσει ρεαλιστικά deepfakes από μια μόνο στατική εικόνα.
Χρησιμοποιώντας μοντέλα μηχανικής μάθησης, το VASA-1 μπορεί να συνθέσει βίντεο ενός ατόμου που μιλάει ή κινείται, με ρεαλιστικές εκφράσεις προσώπου, κινήσεις χειλιών και σώματος. Η τεχνολογία βασίζεται σε μια διαδικασία που ονομάζεται “avatar synthesis”, η οποία επιτρέπει στην τεχνητή νοημοσύνη να “ντύσει” ένα 3D μοντέλο με την εμφάνιση και τις εκφράσεις ενός ατόμου από μια φωτογραφία.
Σύμφωνα με τους ερευνητές της Microsoft, το VASA-1 έχει τη δυνατότητα να δημιουργήσει deepfakes που είναι “αδιαχώριστα από πραγματικά βίντεο”. Αυτό εγείρει ανησυχίες σχετικά με τις πιθανές κακοποιήσεις της τεχνολογίας, όπως η δημιουργία ψεύτικων ειδήσεων ή η δυσφήμιση ατόμων.
Παρόλα αυτά, η Microsoft τονίζει ότι το VASA-1 έχει σχεδιαστεί με γνώμονα την ηθική χρήση. Η εταιρεία έχει δεσμευτεί να κυκλοφορήσει το εργαλείο μόνο σε ελεγχόμενο περιβάλλον και να θέσει αυστηρές προφυλάξεις για την αποτροπή της κακής χρήσης.
Προς το παρόν, το VASA-1 βρίσκεται ακόμη σε πειραματικό στάδιο. Η Microsoft συνεργάζεται με ειδικούς σε θέματα ηθικής και τεχνολογίας για να διασφαλίσει ότι η τεχνολογία θα χρησιμοποιηθεί με υπεύθυνο τρόπο.
Ενδεικτικά, το VASA-1 μπορεί να φέρει επανάσταση σε διάφορους τομείς, όπως:
- Εκπαίδευση: Δημιουργία ρεαλιστικών εκπαιδευτικών βίντεο ή εξατομικευμένων μαθησιακών εμπειριών.
- Εξυπηρέτηση πελατών: Δημιουργία ψηφιακών βοηθών ή chatbots με ρεαλιστικές εκφράσεις και κινήσεις.
- Διασκέδαση: Δημιουργία ρεαλιστικών βίντεο για ταινίες, παιχνίδια ή εικονική πραγματικότητα.
Ωστόσο, η ανάπτυξη αυτής της τεχνολογίας φέρνει στο προσκήνιο και σημαντικά ηθικά διλήμματα που χρήζουν προσεκτικής εξέτασης και συζήτησης.
Είναι σημαντικό να διασφαλιστεί ότι η τεχνητή νοημοσύνη θα χρησιμοποιείται για καλό και όχι για κακόβουλους σκοπούς. Η υπεύθυνη ανάπτυξη και ηθική χρήση του VASA-1 και παρόμοιων εργαλείων τεχνητής νοημοσύνης αποτελεί κρίσιμο ζήτημα για το μέλλον.
Microsoft just dropped VASA-1.
This AI can make single image sing and talk from audio reference expressively. Similar to EMO from Alibaba
10 wild examples:
1. Mona Lisa rapping Paparazzi pic.twitter.com/LSGF3mMVnD
— Min Choi (@minchoi) April 18, 2024
