مایکروسافت بار دیگر با ثبت یک پتنت بحث‌برانگیز در حوزه هوش مصنوعی، توجه رسانه‌ها را به خود جلب کرده است. این پتنت سیستمی را توصیف می‌کند که به گفته کارشناسان می‌تواند در لحظه، کلماتی را در دهان افراد قرار دهد و گفتار آن‌ها را دستکاری کند.
پتنت جدید مایکروسافت چیست؟
بر اساس این پتنت، هوش مصنوعی مایکروسافت می‌تواند با پردازش همزمان تصویر و صدا، ویدیویی کاملاً واقع‌گرایانه از فردی بسازد که کلماتی را بر زبان می‌آورد که هرگز نگفته است. این فناوری که از آن با عنوان «قرار دادن کلمات در دهان افراد در زمان واقعی» یاد می‌شود، در واقع نوعی دستکاری عمیق (Deepfake) محسوب می‌شود که با دقت بالا انجام می‌پذیرد.
این فناوری چگونه کار می‌کند؟
به نظر می‌رسد این سیستم از ترکیب تکنیک‌های پیشرفته یادگیری عمیق و پردازش زبان طبیعی استفاده می‌کند. هوش مصنوعی ابتدا الگوی گفتار و حرکات لب فرد را تحلیل کرده و سپس با استفاده از یک مدل تولیدی، صدا و تصویر را به‌گونه‌ای تغییر می‌دهد که فرد مورد نظر به‌طور طبیعی کلمات جدید را بیان کند. نکته مهم این است که همه این فرآیند در زمان واقعی انجام می‌شود و نیازی به پردازش آفلاین ندارد.
کاربردها و نگرانی‌های اخلاقی
چنین فناوری می‌تواند کاربردهای مشروعی داشته باشد، اما نگرانی‌های جدی نیز ایجاد می‌کند. برخی از مهم‌ترین کاربردها و نگرانی‌ها عبارتند از:
- بهبود دوبله فیلم‌ها و محتوای آموزشی بدون نیاز به ضبط مجدد
- کمک به افراد دارای ناتوانی در گفتار برای برقراری ارتباط طبیعی‌تر
- خطر سوءاستفاده در تولید اخبار جعلی و جعل ویدیوهای سیاسی
- تضعیف اعتماد عمومی به رسانه‌های تصویری و شواهد ویدیویی
کارشناسان معتقدند اگرچه مایکروسافت هنوز محصولی تجاری بر اساس این پتنت عرضه نکرده است، اما ثبت چنین اختراعی نشان می‌دهد که این شرکت به‌طور جدی به دنبال توسعه فناوری‌های دستکاری رسانه‌ای است. از این رو، نیاز به قوانین سخت‌گیرانه‌تر برای جلوگیری از سوءاستفاده از این نوع هوش مصنوعی بیش از پیش احساس می‌شود.
در مجموع، پتنت جدید مایکروسافت نمونه دیگری از پیشرفت سریع هوش مصنوعی است که همزمان فرصت‌ها و تهدیدهایی را به همراه دارد. باید دید غول فناوری چگونه این ابزار را به محصولی کاربردی یا تهدیدی نظارت‌شده تبدیل خواهد کرد.
پرسش‌های پرتکرار
مایکروسافت این پتنت را با چه هدفی ثبت کرده است؟
طبق گزارش فوتوریسم، این پتنت سیستمی را توصیف می‌کند که می‌تواند در زمان واقعی کلمات را در دهان افراد قرار دهد. هدف احتمالی آن بهبود دوبله، تولید محتوای آموزشی و کمک به افراد دارای ناتوانی گفتاری است.
آیا این فناوری هم‌اکنون در دسترس کاربران قرار دارد؟
خیر، این یک پتنت ثبت‌شده است و هنوز محصول تجاری یا سرویس عمومی بر اساس آن عرضه نشده. معمولاً پتنت‌ها پیش از تجاری‌سازی مراحل تحقیق و توسعه زیادی را طی می‌کنند.
