تبدیل متن و عکس به فیلم با مدل هوش مصنوعی شرکت مِتا + فیلم

به گزارش گروه علمی ایران اکونومیست از وبگاه تِک‌اِکسپلور، شرکت مِتا روی یک مدل هوش مصنوعی مولد کار می‌کند که به افراد اجازه می‌دهد از پیام‌های متنی و عکس‌ها، ویدئوهای کوتاه و کامل با صدا تولید کنند.

این شرکت به‌تازگی از متا مووی جنرال به عنوان پیشرفتی بزرگ در زمینه استفاده از یک موتور هوش مصنوعی برای تولید ویدئو و صدا یاد کرد. ولی برنامه خود را برای زمان انتشار مووی جِنرال اعلام نکرد.

متا در پیامی اعلام کرد: موارد استفاده هیجان‌انگیز زیادی برای این مدل‌های پایه وجود دارد؛ اما باید توجه داشته باشیم هوش مصنوعی مولد، جایگزینی برای کار هنرمندان و سازندگان پویانمایی نیست.

هوش مصنوعی مولد، نوعی هوش مصنوعی است که در پاسخ به فرمان کاربر، قادر به تولید متن، تصاویر یا دیگر رسانه‌هاست. مدل‌های هوش مصنوعی مولد الگوها و ساختار داده‌های آموزشی ورودی خود را یاد می‌گیرند و داده‌های جدیدی تولید می‌کنند.

به گفته متا، این مدل به افراد امکان می‌دهد از پیام‌های متنی برای ایجاد ویدیوهای سفارشی، از جمله کلیپ‌های مبتنی بر عکس‌های افراد، تا ۱۶ ثانیه استفاده کنند.

متا اعلام کرد: مدل ما در ساخت ویدیوهای شخصی‌سازی شده که هویت و حرکات انسان‌ها را حفظ می‌کند، به نتایج پیشرفته‌ای دست یافته است. مووی جنرال موج سوم تولید ویدئوی مبتنی بر هوش مصنوعی در متا است.

ظهور ابزارهای مبتنی بر هوش مصنوعی برای تولید ویدیوهای واقع‌گرایانه، نگرانی‌هایی را درباره ‌دیپ‌فِیک (جعل عمیق) برانگیخته است.

دیپ‌فِیک (جعل عمیق)، ترکیبی از کلمه‌های یادگیری عمیق و جعلی، یک روش برای ترکیب تصویر انسان مبتنی بر هوش مصنوعی است. جعل عمیق تصاویر و فیلم‌های موجود را بر روی تصاویر یا فیلم‌های منبع قرار می‌دهد و از یک روش یادگیری ماشین به نام شبکه‌های زایای دشمن‌گونه (GAN) استفاده می‌کند.