ابزار هوش مصنوعی تبدیل متن به ویدئو

دگرگونی های پیش روی علم و جامعه؛

به گزارش گروه پژوهش و دانش خبرگزاری علم و فناوری آنا؛ ماه گذشته، شرکت اوپن اِی آی (OpenAI) از ابزار هوش مصنوعی تبدیل متن به ویدیوی خود با نام سورا (Sora) رونمایی کرد. این رخداد در میان محققان هم با استقبال روبرو شد هم نگرانی هایی را برانگیخت. بسیاری از دانشمندان نگران سوء استفاده های احتمالی از این فناوری هستند.

شرکت اوپن ای آی در این رویداد تبلیغاتی، با نمایش توانایی هوش مصنوعی سُرا در تبدیل متن به ویدئو، قابلیت های این ابزار تازۀ خود را به نمایش گذاشت. یکی از نمونه های تولید شده توسط این ابزار شامل صحنه هایی مانند قدم زدن یک زن در خیابان های توکیو، راه رفتن ماموت ها در میان برف و انیمیشن دویدن موجودی پشمالو در برکه ای جنگلی بود.

تریسی هاروود (Tracy Harwood)، متخصص فرهنگ دیجیتال در دانشگاه دی مونتفورت در لستر (De Montfort University in Leicester)، در مصاحبه ای که اخیراً در مجلۀ نیچر منتشر شده، از پیشرفت سریع هوش مصنوعی تبدیل متن به ویدئو ابراز شگفتی می کند: «همین یک سال پیش، مردم با دیدن ویدئویی که توسط هوش مصنوعی ساخته شده بود و ویل اسمیت، بازیگر آمریکایی را در حال خوردن اسپاگتی نشان می داد، به خنده افتادند. اما اکنون، در میان محققان نگرانی هایی وجود دارد که شاید این فناوری تا پایان سال 2024 به طور قابل توجهی بر سیاست در جهان تأثیر بگذارد.»

اوپن ای آی که به خاطر ابزارهای خلاقانه ای چون چت جی پی تی (ChatGPT) و ابزار تبدیل متن به تصویر دال ای (DALL·E) مشهور شده است، ابزار جدید خود با نام سُرا را در 15 فوریه معرفی کرد. این شرکت البته اعلام کرده است که در حال حاضر دسترسی به این ابزار محدود به تیم هایی برای ارزیابی مضرات یا خطرات احتمالی است. این تیم ها سعی می کنند با شبیه سازی حملات یا سناریوهایی برای سوءاستفاده از ابزارهای جدید، میزان خطر و همچنن انعطاف پذیری فناوری های نوین را، به ویژه در برابر فعالیت های مجرمانه مانند تولید اطلاعات نادرست و نفرت پراکنی ارزیابی کند.

با اینکه سُرا اولین فناوری تبدیل متن به ویدئو نیست، اما از نظر هاروود، این ابزار در مقایسه با ابزار جِن2 (Gen-2) ازشرکت ران اِوِی (Runway) و ابزار  لومییر (Lumiere) به رهبری گوگل، بسیار قدرتمندتر به نظر می رسد. او خاطرنشان می کند که اغلب این ابزارها برای تولید محتوای جذاب، نیازمند دستورات بسیار دقیق هستند. اما هزمان هشدار می دهد که این ابزارها می توانند به تولید اطلاعات دروغین و ویدئوهای ساختگی اما باورپذیر دامن بزنند.

دومینیک لیز (Dominic Lees) از دانشگاه ریدینگ، با نیم نگاهی به انتخابات های آتی، مانند انتخابات ریاست جمهوری ایالات متحده در ماه نوامبر و انتخابات مجلس عوام بریتانیا، پیش بینی می کند که شاهد گسترش ویدیوها و فایل های صوتی جعلی خواهیم بود. مواردی مانند انتشار صوت جعلی کیئر استارمر (Keir Starmer)، رهبر حزب کارگر بریتانیا در اکتبر 2023 و صدای جعلی جو بایدن، رئیس جمهور ایالات متحده که از دموکرات ها خواسته بود در ژانویه رای ندهند، نمونه هایی از این سوءاستفاده از چنین ابزارهایی هستند.

راه حل های پیشنهادی، مانند اجباری کردن ته نقش در ویدیوهای تولید شده با هوش مصنوعی ممکن است عملی نباشد. لیز به کارایی ته نقش ها شک دارد، زیرا می توان آنها را حذف کرد و از طرف دیگر تکیه بر اینکه مخاطبان بتوانند با کمک ابرداده ها صحت ویدیوها را تایید را رد کنند نیز غیرعملی است. اما علی رغم این چالش ها، مزایای بسیاری برای ابزار هوش مصنوعی تبدیل متن به ویدیو وجود دارد. مثلاً می توان از این ابزار برای ساده سازی متن های پیچیده برای مخاطبان عادی استفاده کرد و در زمینه هایی مانند مراقبت های بهداشتی سطح ارتباطات را بهبود بخشید.

علاوه بر این، این فناوری می تواند به محققان در کارهایی مانند تجزیه و تحلیل داده ها، به ویژه در مدیریت مجموعه بزرگ داده های پروژه های علمی کمک کند. البته فعالان عرصۀ صنایع خلاق نیز نگرانی هایی دربارۀ این ابزار مطرح کرده اند؛ مثلاً بازیگر آمریکایی، تام هنکس (Tom Hanks) اشاره می کند که هوش مصنوعی می تواند حضور او را در صفحه نقره ای سینما را نامحدود کند و بدین ترتیب مانع ظهور بازیگران جدید و ایجاد فرصت برای استعدادهای نوظهور شود.

با دسترسی روزافزون به ابزارهای هوش مصنوعی تبدیل متن به ویدیو، جامعه باید با چالش های جدیدی دربارۀ ارزیابی محتوای رسانه ای سازگار شود. چنانچه متخصصان رسانه تاکید می کنند، این ابزارها تولید محتوای رسانه ای را دموکراتیک می کنند و افراد بسیاری را قادر می سازند ویدئو یا انیمیشن بسازند. اما همزمان، استفاده از این ابزار نیازمند تغییراتی اساسی در نحوۀ مصرف رسانه و بررسی صحت محتوای رسانه ای است.