Microsoft chce zmieniać to, co mówisz. Nawet nie zauważysz różnicy

Najnowszy pomysł Microsoftu na wykorzystanie AI w wideo może budzić spore obawy. Firma opatentowała bowiem technologię, która pozwala AI modyfikować wypowiedzi podczas transmisji na żywo. System mógłby usuwać przekleństwa, poprawiać sposób wypowiadania się, a nawet podmieniać słowa na inne, dopasowane do profilu odbiorcy. Problem w tym, że widz może nawet nie zorientować się, że ogląda zmodyfikowaną wersję wydarzeń.

AI poprawi, ocenzuruje i zmieni wypowiedź na żywo

Patent Microsoftu, ujawniony przez serwis Patentlyze, opisuje system analizujący ścieżkę dźwiękową transmisji w czasie rzeczywistym. Sztuczna inteligencja miałaby rozpoznawać określone słowa i zastępować je innymi, uwzględniając m.in. wiek, lokalizację czy język ojczysty odbiorcy. Mogłaby również usuwać niepotrzebne pauzy, wypełniacze wypowiedzi oraz wulgaryzmy, a nawet modyfikować treść na podstawie informacji znalezionych w internecie.

Microsoft opatentował technologię, która pozwala AI modyfikować wypowiedzi podczas transmisji na żywo.

Na tym jednak nie koniec. Technologia miałaby także dopasowywać ruch ust osoby występującej w nagraniu do zmienionej wypowiedzi. W praktyce oznacza to, że widz mógłby oglądać transmisję (choć nie do końca, bo technika zakłada opóźnienie od jednej do 10 sekund), w której ktoś mówi coś zupełnie innego, niż faktycznie padło przed kamerą. Patent nie precyzuje przy tym, czy odbiorca otrzyma informację o wprowadzonych zmianach (możemy jedynie domyślać się, że tak nie będzie).

Oczywiście można wyobrazić sobie pozytywne zastosowania, chociażby automatyczne sprawdzanie faktów czy dostosowywanie treści do młodszych odbiorców. Z drugiej strony taka technologia otwiera zupełnie nowe możliwości manipulacji i oszustw. Skoro AI potrafi już podmieniać twarze i głosy, ingerowanie w wypowiedzi podczas transmisji może dodatkowo utrudnić odróżnienie autentycznych materiałów od zmanipulowanych.

Microsoft i Sony mają więcej pomysłów na AI

Osobny element patentu Microsoftu dotyczy tłumaczenia transmisji na żywo z zachowaniem synchronizacji ruchu ust. W tym przypadku system miałby jednak zachowywać oryginalne nagranie jako punkt odniesienia, co stanowi istotną różnicę względem modyfikowania wypowiedzi.

To zresztą niejedyny pomysł technologicznych gigantów na wykorzystanie AI w czasie rzeczywistym. Microsoft wcześniej opatentował rozwiązanie pozwalające modyfikować kod gier i dodawać do nich zawartość dopasowaną do zachowania gracza. Sony z kolei pracuje nad wykorzystaniem sztucznej inteligencji do przewidywania kolejnych klatek obrazu, ograniczania opóźnień sterowania, a nawet zastępowania nieobecnych graczy w sesjach sieciowych.

Trzeba oczywiście pamiętać, że patent nie oznacza automatycznie powstania gotowego produktu. Sama liczba podobnych zgłoszeń pokazuje jednak, jak duże zainteresowanie budzi AI ingerująca w treści i rozrywkę w czasie rzeczywistym. Pozostaje tylko pytanie, gdzie kończy się poprawianie komfortu odbiorcy, a zaczyna manipulowanie tym, co faktycznie widzi i słyszy.