Beszéljünk egy újfajta szűrőről.
A Microsoft szabadalmat nyújtott be egy mesterséges intelligencia által fejlesztett termékre, amely képes lenne valós időben átalakítani az élő videókat, megváltoztatva a beszélők szavait és arckifejezéseit.
A szabadalmat, ahogy azt először a Patentlyze szabadalmi nyilvántartással foglalkozó cég jelezte , a feltalálók úgy írják le, mint „élő események videós vagy kiterjesztett valóság (AR) prezentációinak közel valós idejű mesterséges intelligenciával (MI) történő továbbfejlesztését”.
MI-ügynökök segítségével a rendszer azonosítana és módosítana vagy eltávolítana bizonyos szavakat, miközben a beszélő arcát és száját hozzájuk igazítaná. Az ügynökök beállított paraméterek vagy felhasználói profilok alapján végeznék el a módosításokat, és az eltávolított vagy kicserélt szavak előtt és után közvetlenül szerkesztenék a videót és a hangot is, hogy „zökkenőmentes átmeneteket” biztosítsanak.
A média és az internet korában, amelyet egyre inkább a mesterséges intelligencia által vezérelt deepfake-ek, a dezinformáció és az információzavaró zagyvaság határoz meg, az ebben a szabadalomban leírt rendszer a szűrőeszközök új világát képviselheti, amelyek finoman megváltoztatják a valóságot, ahogyan az történik, ebben az esetben egy nagyon személyre szabott szinten. A szabadalom szerint a nézők bármilyen élő eseményt fogyaszthatnak anélkül, hogy azt hallanák, amit nem akarnak hallani.
A szabadalomban szereplő lehetséges felhasználási esetek változatosak. Az egyik lehetséges alkalmazás a valós idejű fordítás, amelynek során a rendszer lehetővé teszi, hogy a közvetítéseket és más élő felvételeket a néző által preferált nyelven hallhassák és láthassák.
A szabadalom azt is állítja, hogy egy ilyen eszköz használható lenne a töltelékszavak, például az „ö” vagy az „á” eltávolítására az élő beszédből, vagy a dadogás vagy beszédhibák kiküszöbölésére.
Más lehetséges felhasználási esetek azonban ennél sokkal tovább mennek. A szabadalom szerint a rendszer felhasználható a „személyes szavak vagy kifejezések”, mint például a „talált kifejezések”, valamint a „köznyelvi kifejezések”, mint például a „y’all” vagy a „bite the bullet” kifejezések csökkentésére. A szabadalom azt is állítja, hogy a rendszer kiküszöbölheti az „elmotyogott szavakat, a rosszul kiejtett szavakat, a helytelenül használt szavakat, a félrebeszélt szavakat, a sértő szavakat, az érzéketlen szavakat vagy a nem megfelelő szavakat”. A helyettesítő szavak, teszi hozzá, származhatnak egy „internetes keresésből”.
Más szóval, az élő közvetítések talán már nem is annyira élőek.
A Microsoft nem reagált azonnal a megkeresésre.
A szinkronizálás már régóta létezik, és a videofelvételeket folyamatosan szerkesztik, mind normális, mind alattomos okokból. Az élő videók ilyen módon történő automatikus szerkesztése mesterséges intelligencia segítségével azonban alapvetően megváltoztathatja a közönség élő felvételekkel való interakcióját. Jelenleg, ha az embereknek nem tetszik, amit hallanak, egyszerűen kikapcsolhatnak valamit; a Microsoft által felvázolt rendszer egy olyan környezetet ír le, ahol az emberek ehelyett a saját ízlésükhöz igazíthatják valaki más beszédét. A nyelvi fordítástól eltekintve, vajon egy olyan eszköz használata, amely kiküszöböli a hibákat, vagy törli a beszélő helyi dialektusához kapcsolódó szavakat és kifejezéseket, még inkább személyre szabott buborékokba repít minket? Mi olyan rossz abban, ha valaki délről azt mondja: „ti?”
Ennek érdekében a szabadalom megemlíti, hogy egy esemény eredeti élő videóját és hanganyagát rögzíthetik és tárolhatják a „valódi igazság” érdekében, utalva az ilyen eszközökből adódó esetleges visszaélésekre és zavarokra.
A rendszer által átalakítható élő felvételek közé tartoznak többek között az előadások, prezentációk, különféle televíziós produkciók – díjátadók, játék- és főzőműsorok –, valamint az élő sportközvetítések.
Tovább a cikkre: futurism.com (Maggie Harrison Dupré)
