هوش مصنوعی مولد (Generative AI) همچنان به بازآفرینی دنیای دیجیتال ما ادامه می‌دهد و هر از گاهی گام‌های به ظاهر بزرگی رو به جلو برمی‌دارد. حال به نظر می‌سد آخرین نوآوری مایکروسافت در این زمینه را می‌توان تکان‌دهنده‌ترین و در عین حال نگران‌کننده‌ترین مورد تا به امروز دانست.
مایکروسافت اخیراً یک مدل هوش مصنوعی ویژه با نام VASA-1 را معرفی کرده که می‌تواند تنها از یک تصویر، ویدیوهایی بسیار واقع‌گرایانه تولید کند! نتیجه کار این مدل مرز بین ویدیوهای واقعی و جعلی را بسیار کم‌رنگ‌تر از گذشته کرده و تنها با داشتن یک تصویر و یک کلیپ صوتی، ویدیویی خلق می‌کند که حرکات لب و دهان و حالات چهره در آن به طرز شگفت‌آوری واقع‌گرایانه هستند.
مایکروسافت به خوبی از قدرت این فناوری آگاه است و اذعان داشته که VASA-1 نه تنها قادر به همگام‌سازی دقیق صدا و حرکات لب است، بلکه طیف وسیعی از احساسات و ظرافت‌های بیانی چهره و حرکات طبیعی سر را نیز به تصویر می‌کشد که در واقع‌گرایی و پویایی نقش مهمی ایفا می‌کنند.
این مدل هوش مصنوعی ویدیوهایی با رزولوشن بالا (512×512) را با سرعت فریم قابل توجه 45 فریم در ثانیه تولید می‌کند. شگفت‌انگیزتر اینکه، VASA-1 قادر است با سرعت 40 فریم در ثانیه به صورت لحظه‌ای، ویدیوهایی از چهره‌های سخنگوی واقع‌گرایانه تولید کند.
کاربردهای بالقوه این فناوری هیجان‌انگیز هستند. تصور کنید بتوانید درس‌های تاریخ را از زبان شخصیت‌های تاریخی و به صورت زنده بیاموزید! یا پرستارهایی مجازی که کمک‌های درمانی به بیماران ارائه داده و وظیفه روحیه‌بخشی یا آموزش برخی دستورالعمل‌ها را بر عهده می‌گیرند. با این‌حال، پتانسیل سوءاستفاده از این فناوری نیز به همان اندازه عظیم است و بلافاصله نگرانی‌هایی را در مورد دیپ‌فیک‌های بسیار واقع‌گرایانه به وجود آورده که مطمئناً می‌توانند به انتشار اطلاعات نادرست دامن زده و اعتماد عمومی را خدشه‌دار کنند.
مایکروسافت به خوبی از این موضوع آگاه است و تأکید می‌کند که این فناوری در حال حاضر فقط برای اهداف تحقیقاتی کاربرد دارد. این شرکت با اذعان به خطرات بالقوه این فناوری، اعلام کرده است:
مانند سایر تکنیک‌های تولید محتوای مشابه، VASA-1 می‌تواند برای جعل هویت انسان‌ها مورد سوءاستفاده قرار گیرد. ما با هرگونه رفتاری به منظور ایجاد محتوای گمراه‌کننده یا تخریب چهره‌های واقعی مخالف هستیم.
خوشبختانه، مایکروسافت تأکید کرده که قرار نیست در آینده نزدیک این فناوری قدرتمند را به صورت عمومی منتشر کند. در واقع، این شرکت قصد دارد منتظر وضع قوانین و مقررات محکم و اطمینان‌بخش است تا به یک هنجار برای کل صنعت فناوری تبدیل شود.
سرعت سرسام‌آور نوآوری، پیش‌بینی آینده و پیامدهای سیستم‌هایی مانند VASA-1 را به یک چالش جدی و مسئله دلهره‌آور تبدیل کرده است. اگر چنین ابزاری در اختیار عموم قرار بگیرد، آیا منجر به موج جدیدی از خلاقیت و کاربردهای نوین می‌شود یا اینکه هیزمی بر آتش فزاینده بی‌اعتمادی و اخبار جعلی خواهد شد؟ نظرات خود را در بخش کامنت‌ها با ما در میان بگذارید.
