تصاویر واقعی از انسانهایی که واقعی نیستند

گسترش ابعاد هوشمندسازی تجهیزات و به کار بردن هوش مصنوعی این روزها حد و مرزی نمی شناسد. در یکی از جدیدترین پروژه های کلید زده شده بوسیله هوش مصنوعی تصاویر جعلی باورپذیر از چهره افراد تولید و منتشر شده است.

در چنین شرایطی یک شرکت می‌خواهد با ارائه رایگان مجموعه‌ای از صد هزار چهره تولیدشده توسط هوش مصنوعی به هر کسی که بتواند از آنها استفاده کند، کاربردی برای آنها پیدا کند. جعلی بودن برخی از این تصاویر، واضح است اما تشخیص تفاوت بسیاری از آنها با عکس‌های واقعی که برای فروش عرضه می‌شوند، دشوار به نظر می‌رسد.

در طول سالیان اخیر پروژه‌هایی مانند This Person Does Not Exist (این فرد وجود خارجی ندارد) تصاویر زیادی از چهره‌های جعلی با استفاده از هوش مصنوعی تولید کرده‌اند. چهره‌هایی باورپذیر از هر سن و قومیتی که برای طراحان مفید به نظر می‌رسند.طراحان اغلب برای انجام پروژه‌های خود، تصاویر خریداری ‌شده از چهره‌هایی واقعی را به کار می‌برند.اما از این پس استفاده رایگان از بانک صد هزار چهره‌ای جعلی، می‌تواند برایشان بسیار ارزان‌تر تمام شود.

به هر روی سرانجام چنین پروژه هایی مشخص نیست و معلوم نیست آیا دنیای واقعی در دنیای مجازی ادغام خواهد شد و نوعی جدید از زندگی را رغم خواهد زد یا این که جنبه های پیچیده و نامعلوم واقعیت مجازی زندگی واقعی را در معرض خطر قرار خواهد داد؟

میمونی که توانایی کار با کامپیوتر را دارد

ایلان ماسک می خواهد مغز شما را به کامپیوتر و تلفنهای هوشمندتان متصل کند. او متولد ۱۹۷۱ آفریقای جنوبی، مهندس، مخترع و شخص نامی تجارت در صنایع پیشرفته آمریکایی و جزو ده شخصیت تأثیرگذار جهان است. وی بنیان‌گذار شرکت‌هایی همچون تسلا موتورز، پی‌پال (که اکنون به ای‌بی تعلق دارد) و اسپیس‌اکس است. او هم‌اکنون مدیرعامل و مدیرفنی در اسپیس اکس است. ماسک همچنین در حال توسعهٔ یک سیستم حمل و نقل با سرعت بالاست که تحت عنوان هایپرلوپ شناخته شده‌است. ایلان ماسک روی پروژه‌هایی سرمایه‌گذاری می‌کند که پتانسیل تغییر دنیای اطرافمان را دارند. او نه تنها یک کارآفرین، بلکه یک مخترع، نوآور و مهندس است: ماسک شخصاً در طراحی خودروهای برقی و سفینه‌های فضایی شرکت می‌کند.

اما در جالب ترین پروژه ماسک، تراشه‌ای با سیم‌ها و الکترودهایی استثنائی با جراحی رباتی در مغز قرار می‌گیرد.این مجموعه به صورت بی‌سیم به یک گیرنده کوچک در پشت گوش متصل می‌شود که می‌تواند با یک کامپیوتر ارتباط برقرار کند.آقای ماسک امیدوار است که این سامانه بتواند در آینده گوشی‌های هوشمند را کنترل کند و شاید به نوعی تله‌پاتی یا دورآگاهی منجر شود.

این دستگاه مانند واسطه‌های مغز و رایانه فعلی عمل کرده و می‌تواند علائم الکتریکی فرستاده‌شده توسط مغز را گردآوری و آنها را به یک رخداد تفسیر کند.Neuralink، که در سال ۲۰۱۶ تأسیس شده، نسخه اولیه این سامانه را در موش صحرایی آزمایش کرده است. آقای ماسک همچنین خاطرنشان کرد که این دستگاه توانسته به یک میمون این توانایی را ببخشد که با یک کامپیوتر ارتباط برقرار کند. او گفت که آزمایش روی انسان ممکن است تا پایان سال آینده آغاز شود، هرچند این شرکت هنوز مجوزهای لازم را از اداره غذا و داروی ایالات متحده دریافت نکرده است.

کولر پوشیدنی

این روزها بسیاری از مناطق دنیا درگیر گرمایی طافت‌فرسا شده‌اند و این شاید بهترین فرصت برای گردآوری کمک باشد تا در نهایت بتوان یک دستگاه تهویه مطبوع پوشیدنی ساخت.شرکت سونی دستگاهی به نام Reon Pocket را معرفی کرده که در واقع یک دستگاه خنک‌کننده کوچک است که می‌توانید آن را به عنوان یک سامانه تهویه مطبوع همراه به کار ببرید.

قیمت این کولر پوشیدنی از ۱۱۷ دلار آغاز می‌شود. این دستگاه کوچک که در در جیب یک تی‌شرت ویژه که برای همین دستگاه طراحی شده، قرار می‌گیرد و نه تنها می‌تواند در گرما شما را خنک کند، بلکه در هوای سردی که تا مغز استخوان یخ زده‌اید، توانایی گرم کردن شما را خواهد داشت.این دستگاه با “اثر پلتییر” کار می‌کند که با استفاده از یک جریان برقی کوچک حرارت را از یک طرف به طرف دیگر می‌برد به طوری که یک طرف سردتر از سوی دیگرش خواهد شد.

سونی ادعا می‌کند این دستگاه می‌تواند شما را ۱۳ درجه سانتیگراد خنک‌تر یا ۸ درجه سانتیگراد گرم‌تر کند و یا هر بار شارژ تا ۲۴ ساعت کار خواهد کرد. این دستگاه سال ۲۰۲۰ به بازار ارائه خواهد شد.سونی اولین شرکتی نیست که سعی در ساخت یک دستگاه سرد و گرم‌کن شخصی پوشیدنی دارد.

هوش مصنوعی ابری

صدر نشینان و مقتدرین دنیای تکنولوژی و مخصوصا تکنولوژی های جدید سال ۲۰۱۹ ، در اینجا شامل آمازون، گوگل، آی بی ام و مایکروسافت هستند که همه تلاش خود را برای افزایش دسترسی به آموزش دستگاه و تکنولوژی شبکه عصبی مصنوعی انجام می دهند تا بتوانند آن را ارزان تر و آسان تر از از چیزی که الان در دسترسی هست، استفاده کنند.

مجله فوربز به من گفت: “در دسترس بودن ابزار هوش مصنوعی در فضای ابری به معنای آن است که یادگیری ماشین پیشرفته به طور گسترده ای برای بسیاری از کسب و کارهای مختلف قابل دسترسی است. این امر همه چیز را از تولید تا تدارکات تغییر خواهد داد، ساخت AI بسیار ارزان تر و راحت تر برای کسب و کار است. ”

جعل عمیق ترسناک‌تر می‌شود

جعل عمیق می‌توانند چهره‌ای را جایگزین چهره‌ای دیگر در ویدیو کند. اما افزایش ناگهانی تعداد و کیفیت ویدیوهای جعل عمیق، بسیاری را نگران کرده است. هفته پیش Ctrl Shift Face، ویدیوی جدیدی از کمدین آمریکایی بیل هیدر منتشر کرد که در واقع اعمال فناوری جعل عمیق روی مصاحبه تلویزیونی او با دیوید لترمن در سال ۲۰۰۸ بود.این ویدیو تغییر چهره را کمی متفاوت‌تر از ویدیوهای جعل عمیق پیشین انجام می‌داد.

بیل هیدر در این گفت‌وگو به افراد مشهور مختلفی از جمله تام کروز و ست روگان اشاره می‌کند و می‌بینیم که در ویدیوی دستکاری‌شده با فناوری جعل عمیق، چهره‌اش به تدریج تغییر کرده و به افراد مذکور تبدیل می‌شود.

این ویدیو اگرچه مطمئناً سرگرم‌کننده به نظر می‌رسد اما در عین حال بسیار ترسناک است. فناوری پشت جعل عمیق در حال پیشرفت است و تنها کمی زمان نیاز است تا شاهد سوءاستفاده از آن برای دروغ‌پراکنی و پخش اخبار نادرست باشیم.

به‌تازگی یکی از فعالان حوزه‌ی دیپ‌فیک، در اظهارنظری جالب مدعی شده که فاصله‌ی چندانی تا تولید ویدئوهای دیپ‌فیک کاملا واقعی باقی نمانده است. در واقع دیپ‌فیک (Deepfake) نوعی تکنیک جدید متکی به هوش مصنوعی (AI) است که با استفاده از آن می‌توان ویدئوهایی تولید کرد که حقیقی نیستند، اما به‌سختی می‌توان آن‌ها را از ویدئوهای واقعی تمییز داد. جمعه‌ی گذشته، هائو لی، دانشیار رشته‌ی علوم کامپیوتر در دانشگاه جنوب کالیفرنیا و از فعالان حوزه‌ی دیپ‌فیک، در گفت‌و‌گو با وب‌سایت CNBC مدعی شد که تولید ویدئوهای دیپ‌فیکی که «کاملا واقعی» به‌نظر برسند، طی ۶ تا ۱۲ ماه آینده برای عموم مردم امکان‌پذیر خواهد بود. هائو لی در این رابطه می‌گوید: «در حال حاضر، در اکثر اوقات می‌توان با چشم غیرمسلح به‌راحتی تفاوت بین ویدئوهای واقعی را با ویدئوهای ساخته‌شده از طریق دیپ‌فیک تشخیص داد. اما حتی الان هم ویدئوهای دیپ‌فیکی وجود دارند که کاملا متقاعدکننده هستند.»

او صحبت‌هایش را این‌گونه ادامه داد: «ویدئوهای ساخته‌شده با دیپ‌فیک قرار است به‌زودی به نقطه‌ای برسند که دیگر به هیچ وجه نتوان تفاوتی بین آن‌ها و ویدئوهای واقعی قائل شد. بنابراین مجبوریم از راه‌های دیگری برای شناسایی آن‌ها استفاده کنیم.»هائو لی مدتی پیش یک ویدئوی دیپ‌فیک را از ولادیمیر پوتین، رئیس‌جمهور روسیه، تهیه کرد تا آن را در یکی از کنفرانس‌های فناوری‌محور دانشگاه MIT به‌نمایش بگذارد. لی گفت، ویدئوی موردبحث به این منظور ساخته شده بود که میزان پیشرفت فناوری دیپ‌فیک را تا امروز به‌خوبی نشان دهد؛ ظاهرا سرعت پیشرفت دیپ‌فیک بیشتر از چیزی بوده که وی انتظارش را داشته است. هائو لی مدتی پیش در گفت‌و‌گو با رسانه‌ی MIT Technology Review گفته بود: «ویدئوهای دیپ‌فیک بی‌نقصی که تقریبا قابل‌شناسایی نباشند، تا چند سال دیگر در دسترس قرار می‌گیرند.»

این تناقض در صحبت‌های او در ابتدا عجیب به‌نظر می‌رسید، تا اینکه رسانه‌ی CNBC پیگیر این موضوع شد. خبرنگار رسانه‌ی CNBC چند روز پس از مصاحبه با هائو لی، از طریق یک ایمیل از او درخواست کرد تا درمورد زمان حدودی انتشار ویدئوهای دیپ‌فیک کاملا واقعی، شفاف‌سازی کند. ظاهرا لی در جواب گفته است که تحولات اخیر به‌خصوص انتشار اپلیکیشن چینی Zao که به‌طرز عجیبی در بین مردم محبوب شده، باعث شده است تا دوباره درمورد زمان انتشار ویدئوهای دیپ‌فیک کاملا واقعی بازبینی کند و زمان‌بندی آن را تغییر دهد.

بهینه‌سازی هوش مصنوعی فقط با جمع‌آوری داده‌های کاربران

همه‌ می‌دانیم ابزارهای یادگیری عمیق، عقل سلیم به‌معنای عقل انسانی ندارند. آن‌ها فاقد دانشی جامع از جهان هستند و شرکت‌های فناوری برای بهبود آن‌ها هیچ چاره‌ای جز افزایش آموزش با مثال‌های متنوع نخواهند داشت. درواقع، آن‌ها امیدوار هستند تمامی نمونه‌ها و انواع مثال‌های داده را به‌عنوان ورودی به الگوریتم وارد کنند تا همه‌ی آن‌ها را بشناسد؛ درنتیجه، شرکت‌ها به نیروی انسانی نیاز پیدا می‌کنند که عموما هم به‌صورت دورکار و پیمان‌کاری، وظایف را انجام می‌دهند. آن‌ها کارایی هوش مصنوعی شرکت را بررسی و اعتبارسنجی و داده‌های صوتی را به متن تبدیل می‌کنند که الگوریتم از تبدیل آن‌ها عاجز است.

انسان‌ها برای توضیح انواع موضوعات، از مفاهیم و تعریف‌های گوناگونی استفاده می‌کنند و هرروز نیز به تعداد تعریف‌ها و عبارت‌ها افزوده می‌شود؛ درنتیجه، آموزش بیشتر مانند راهکاری موقت برای چالش هوش مصنوعی خواهد بود.درواقع، همیشه مثال‌هایی وجود دارند که هوش مصنوعی برای درک آن‌ها آموزش ندیده است. پیشرفت و تکامل زبان بشری نیز همیشه ادامه دارد. تمام آنچه گفته شد، نیاز به آموزش را تشدید می‌کنند و درنتیجه، بازهم داستان‌ها و اخباری درباره‌ی گوش‌دادن نیروی انسانی به صداهای کاربران را شاهد خواهیم بود.

ضعف فناوری کنونی در نیاز همیشگی آن به داده دیده می‌شود؛ به‌ویژه در مسائل باز همچون درک مفاهیم زبان طبیعی، چنین نیازی بیشتر می‌شود؛ درنتیجه شرکت‌ها برای تأمین نیاز فناوری، انواع فعالیت‌ها را انجام می‌دهند. از دیدگاه من، جمع‌آوری داده‌ی بیشتر به حل مشکلات شرکت‌ها کمک نمی‌کند. شاید این رویکرد تا حدودی به کاهش مشکلات کمک کند؛ اما قطعا آن‌ها را به‌صورت کامل رفع نمی‌کند.

بدون تزریق مفهوم عقل جامع و دانش پایه‌ای به الگوریتم‌های یادگیری عمیق، نمی‌توان هیچ امیدی به حل کوتاه‌مدت مشکل آن‌ها داشت. تا وقتی شرکت‌ها برای آموزش الگوریتم‌های خود داده‌های کاربران را جمع‌آوری و تفسیر می‌کنند، باید برای واکنش شدید حامیان حریم خصوصی و اقدام‌های احتمالی قانون‌گذاران این حوزه آماده باشند. همین موارد باعث شد تعدادی از شرکت‌ها سرعت روند جمع‌آوری و تفسیر داده‌های کاربران را کاهش دهند؛ ولی به‌صورت کامل آن را متوقف نکردند.

برای کسب اطلاعات در مورد سایر تجهیزات صنعتی، مانند انواع شیرآلات صنعتی ، انتخاب شیرها ، شیر پروانه ای ، شیر توپی ، شیر دروازه ای ، شیر کروی ، شیر سماوری ، شیر سوزنی ، سلونوئید ولو و روتاری ولو ، ریلیف ولو ، دیافراگم ولو و … به قسمت مقالات اختصاصی، مراجعه کنید.