Google araştırmacıları, insanların tek bir fotoğrafını kullanarak konuşan, el kol hareketi yapan ve hareket eden gerçekçi görüntüler üretebilen yeni bir yapay zeka sistemi geliştirdi. VLOGGER ismi verilen teknoloji, şaşırtan derecede gerçekçi imajları sentezlemek için gelişmiş makine tahsili modellerine dayanıyor ve bir dizi potansiyel uygulamanın önünü açarken tıpkı vakitte “deepfake” görüntüler konusunda kaygılar oluşturuyor. Google VLOGGER, fotoğraflara can veriyor
Google VLOGGER yapay zeka modeli, girdi olarak bir kişinin fotoğrafını ve bir ses kaydını kullanarak ortaya son derece gerçekçi sonuçlar çıkartabiliyor. Model, kişinin sesiyle eşleşecek formda sözleri konuşturabiliyor ve buna karşılık gelen el ve yüz hareketlerini yapabilen görüntüler üretebiliyor. Elbette görüntüler kusursuz olmaktan uzak fakat hareketsiz imgeleri canlandırma maharetinde kıymetli bir eşiğe ulaşıldığı görülüyor.
Google Research’ten Enric Corona liderliğindeki araştırmacılar, VLOGGER’da difüzyon modelleri ismi verilen bir çeşit makine tahsili modelinden yararlandılar. Difüzyon modelleri son vakitlerde metin istemlerinden gerçekçi manzaralar üreten yapay zekalarda kullanılıyordu. Grup, bu modelleri görüntü alanına çekerek ve geniş bir data kümesi üzerinde eğiterek fotoğraflara son derece ikna edici bir formda hayat verebilen bir yapay zeka sistemi oluşturmayı başardı.
Araştırmada muharrirler, VLOGGER’ın evvelki tekniklerin tersine her bir kişi için eğitim gerektirmediğini, yüz algılama ve kırpmaya dayanmadığını ve tüm manzarayı tek seferde ürettiğini belirtiyor. MENTOR ismi verilen ve 800.000’den fazla farklı kimlik ve 2.200 saatlik video üzerinde eğitilen VLOGGER, dublaj ve video düzenleme alanında potansiyel olarak kullanılabilir. Bu teknoloji birebir vakitte sanal gerçeklik ve oyunlar için fotogerçekçi avatarlar yaratmak için de kullanılabilir. Ayrıyeten daha ilgi cazibeli ve etkileyici yapay zeka dayanaklı sanal asistanların ve sohbet robotlarının oluşturulmasına da imkan sağlayabilir.
İyi kullanım senaryolarıyla birlikte bu teknoloji, örneğin bir görüntüdeki kişinin yerine öbür birinin benzerinin yerleştirildiği deepfake’lerin oluşturulması üzere berbata kullanım potansiyeline de sahip. Yapay zeka tarafından üretilen bu görüntüler daha gerçekçi ve daha kolay oluşturulur hale geldikçe, yanlış bilgilendirme ve dijital sahtecilikle ilgili zorluk daha büyük bir sorun olmaya başlıyor. Bu nedenden ötürü VLOGGER şimdilik sadece bir araştırma modeli olarak mevcut durumda.
