ترجمة: تتغنى موناليزا؟ الذكاء الاصطناعي الجديد من مايكروسوفت يحيا وجوهًا من الصور

يمكن للموناليزا الآن أن تفعل أكثر من مجرد الابتسام، وذلك بفضل تقنية الذكاء الاصطناعي الجديدة من مايكروسوفت.

ففي الأسبوع الماضي، قام باحثو مايكروسوفت بتفصيل نموذج ذكاء اصطناعي جديد قاموا بتطويره يمكنه التقاط صورة ثابتة لوجه ومقطع صوتي لشخص ما يتحدث، وإنشاء فيديو واقعي المظهر تلقائياً لهذا الشخص وهو يتحدث. وتكتمل مقاطع الفيديو - التي يمكن إنشاؤها من وجوه واقعية أو رسوم متحركة أو أعمال فنية - مع مزامنة الشفاه وحركات الوجه والرأس الطبيعية.

في أحد مقاطع الفيديو التجريبية، أظهر الباحثون كيف قاموا بتحريك الموناليزا لتلاوة أغنية راب كوميدية للممثلة آن هاثاواي.

وكانت المخرجات من نموذج الذكاء الاصطناعي، المسمى VASA-1، مسلية ومثيرة للاهتمام في آن واحد. قالت مايكروسوفت إنه يمكن استخدام هذه التقنية في التعليم أو "تحسين إمكانية الوصول للأفراد الذين يعانون من تحديات التواصل"، أو ربما لإنشاء رفقاء افتراضيين للبشر. ولكن من السهل أيضًا أن نرى كيف يمكن إساءة استخدام الأداة واستخدامها لانتحال شخصية أشخاص حقيقيين.

وهو مصدر قلق يتجاوز مايكروسوفت: فمع ظهور المزيد من الأدوات لإنشاء صور ومقاطع فيديو وصوت مقنعة من إنتاج الذكاء الاصطناعي، يشعر الخبراء بالقلق من أن إساءة استخدامها قد تؤدي إلى أشكال جديدة من المعلومات المضللة. كما يشعر البعض بالقلق من أن التكنولوجيا يمكن أن تزيد من تعطيل الصناعات الإبداعية من الأفلام إلى الإعلانات.

في الوقت الحالي، قالت مايكروسوفت إنها لا تخطط لإصدار نموذج VASA-1 للجمهور على الفور. وتشبه هذه الخطوة الطريقة التي يتعامل بها شريك مايكروسوفت OpenAI مع المخاوف المتعلقة بأداة الفيديو التي تم إنشاؤها بالذكاء الاصطناعي "سورا": أطلقت OpenAI أداة Sora في فبراير/شباط، لكنها أتاحتها حتى الآن لبعض المستخدمين المحترفين وأساتذة الأمن السيبراني لأغراض الاختبار فقط.

وقال باحثون في مايكروسوفت في منشور على مدونة: "نحن نعارض أي سلوك لإنشاء محتويات مضللة أو ضارة لأشخاص حقيقيين". لكنهم أضافوا أن الشركة ليس لديها "أي خطط لإصدار" المنتج علنًا "حتى نتأكد من أن التكنولوجيا ستُستخدم بشكل مسؤول ووفقًا للوائح المناسبة".

تحريك الوجوه

قال الباحثون إن نموذج الذكاء الاصطناعي الجديد من مايكروسوفت تم تدريبه على العديد من مقاطع الفيديو لوجوه الأشخاص أثناء التحدث، وهو مصمم للتعرف على حركات الوجه والرأس الطبيعية، بما في ذلك "حركة الشفاه، والتعبيرات (غير الشفاه)، ونظرات العينين والرمش، وغيرها". والنتيجة هي فيديو أكثر واقعية عندما يقوم VASA-1 بتحريك صورة ثابتة.

على سبيل المثال، في أحد مقاطع الفيديو التجريبية التي تم ضبطها على مقطع لشخص يبدو هائجاً، على ما يبدو أثناء لعب ألعاب الفيديو، يظهر الوجه الذي يتحدث بحاجبين مجعدين وشفتين مزمومتين.

يمكن أيضًا توجيه أداة الذكاء الاصطناعي لإنتاج مقطع فيديو حيث ينظر الشخص في اتجاه معين أو يعبر عن مشاعر معينة.

عند النظر عن كثب، لا تزال هناك علامات تدل على أن مقاطع الفيديو يتم إنشاؤها آلياً، مثل الرمش النادر وحركات الحاجبين المبالغ فيها. لكن مايكروسوفت قالت إنها تعتقد أن نموذجها "يتفوق بشكل كبير" على الأدوات الأخرى المماثلة و"يمهد الطريق للتفاعل في الوقت الحقيقي مع صور رمزية نابضة بالحياة تحاكي سلوكيات المحادثة البشرية".