A Microsoft Kínában működő kutatólaboratóriuma, a Microsoft Research Asia egy új mesterségesintelligencia-eszközzel rukkolt elő. A VASA-1 egy kísérleti eszköz, ami egy személyről készült fotó vagy rajz, valamint egy hangfelvétel alapján valós időben, élethűen mozgó és beszélő arcot hoz létre – számolt be róla az Engadget.

A szakemberek rengeteg példavideót töltöttek fel a projekt weboldalára, amelyek közül jó néhánynak egészen kiváló a minősége. Ugyanakkor még a jobbaknál is ki lehet szúrni, hogy csak egy generált valóságot látunk. Ehhez elég például a beszélő fogsorára koncentrálni, a mi időnként hullámzik, a fogak szélessége pedig hol nő, hol csökken.

Ettől függetlenül azonban teljesen egyértelmű, hogy egy ilyen eszközzel nagyon könnyű visszaélni: vagy álhíreket lehet vele gyártani, vagy bosszúból készíteni valakiről deepfake-tartalmat. Ezzel a kutatók is tisztában vannak, éppen ezért úgy döntöttek, hogy semmilyen kódrészletet nem tesznek közzé a fejlesztésről addig, amíg meg nem győződnek arról, hogy azt csak felelősségteljesen, etikusan lehet használni. Azt viszont nem közölték, hogy ennek érdekében milyen lépéseket tesznek, vagy tesznek-e egyáltalán.

A VASA-1-ről ettől függetlenül készült egy tudományos publikáció, amit jelenleg az arXiv preprint szerveren lehet elolvasni.

A kutatók úgy vélik, hogy a technológiának a potenciális veszélye mellett rengeteg előnye is van. Ilyen lehet például, ha egy sérült ember használja, az eszközön keresztül ugyanis könnyebben kommunikálhat a világgal. De terápiás célokat is szolgálhat, sőt, akár társaságot is nyújthat a magányos emberek számára – vagy azoknak, akik nehezen tudják feldolgozni, hogy egy szerettüket elvesztették.

A VASA-1-et a VoxCeleb2 Dataseten képezték ki, ami több mint 1 millió beszédrészletet tartalmaz. A kutatók szerint annak ellenére, hogy fotókon képezték ki, olyan műalkotásokat is szóra lehet bírni, mint például a Mona Lisa.

Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.