هوش مصنوعی که صدا و چهره انسان را در چند ثانیه شبیه‌سازی می‌کند

سارا ترابی در چندثانیه آنلاین نوشت: در بخش صدا، مدل‌های پیشرفته می‌توانند تنها با چند ثانیه نمونه صوتی، فرکانس و حتی احساسات گوینده را با دقت خیره‌کننده‌ای شبیه‌سازی کنند.

فناوری‌های شبیه‌سازی تصویر یا دیپ‌فیک، حرکات چهره و میمیک‌های فرد را در لحظه بر روی یک ویدیو یا مدل دیجیتال پیاده‌سازی می‌کنند.

این سیستم‌ها بر پایه الگوریتم‌های مولد مانند GANs کار می‌کنند که مدام در حال یادگیری تفاوت‌های ظریف بین داده‌های واقعی و مصنوعی هستند.

کاربردهای مثبت این فناوری شامل دوبله همزمان فیلم‌ها به زبان‌های مختلف و کمک به افراد دارای اختلالات گفتاری برای بازیابی صدایشان است.

با این حال، پتانسیل بالای این ابزارها در جعل هویت، کلاهبرداری‌های صوتی و تولید اخبار جعلی به یکی از بزرگ‌ترین چالش‌های امنیتی تبدیل شده است.

برای مقابله با این تهدیدات، همزمان با پیشرفت کلونینگ، ابزارهای تشخیص محتوای مصنوعی و قوانین اخلاق هوش مصنوعی نیز در حال توسعه هستند.