(In)corecții

Patentalyze, un site care face excelentul serviciu public de a analiza cererile de brevetare pe care le mai depun unul și altul, semnalează că Microsoft a solicitat brevetarea unui sistem care „corectează” (audio) cuvintele unui vorbitor în timp ce urmărești materialul, modificând apoi mișcarea gurii acestuia (deci video), astfel încât intervenția să nu fie vizibilă.

Este vorba despre un program care poate face aceste „corecții” (creează text, conținut audio și imagini video) simultan, „aproape în timp real” – adică între una și zece secunde, „direct pe dispozitivul dumneavoastră” („ochelari de realitate augmentată AR”, telefoane, tablete sau camere video, utilizând procesoarele integrate în aceste dispozitive).

„Un sistem de inteligență artificială ar asculta fluxul audio în timp real și ar identifica termenii pe care ați prefera să nu-i auziți, bazându-se pe un profil configurat de dumneavoastră (care include detalii precum vârsta, limbile vorbite sau locul în care locuiți)”.

„Apoi, software-ul înlocuiește cuvintele respective cu altele mai potrivite și modifică imaginea gurii vorbitorului în videoclip, astfel încât mișcarea buzelor să corespundă cu noile cuvinte. Tranzițiile fluide și discrete maschează punctele de îmbinare.”

„Aceeași tehnologie ar putea funcționa și ca instrument de traducere. Dacă o persoană vorbește o limbă care nu se regăsește în profilul dumneavoastră, o veți auzi și o veți vedea vorbind în limba dumneavoastră. Întârzierea ar fi de doar câteva secunde, eliminând necesitatea unei editări complete ulterioare.”

Acum: de unde știe IA ce cuvinte nu vrea utilizatorul să audă? „Pe baza unui set de reguli” (?) și a „profilului utilizatorului” (?).

Documentația pentru brevetare enumeră „elementele care pot fi înlocuite: „cuvinte de umplutură (precum ăăă), argou, cuvinte pronunțate neclar sau greșit, termeni ofensatori precum și zgomotul de fundal. Cuvintele de înlocuire pot proveni din căutări pe internet”.

„De asemenea, este menționată posibilitatea verificării instantanee a faptelor (fact-checking)”.

Analiștii ne spun care sunt implicații pentru transmisiunile în direct și traduceri: „Dacă o astfel de tehnologie ar funcționa corespunzător, ați putea urmări o conferință, un concert sau o ședință în direct, într-o limbă străină, observând cum mișcările buzelor vorbitorului coincid cu ceea ce auziți” – deși, se deduce, nu neapărat cu ce s-a spus sau, după caz, cântat.

Incredibil, dar „problema principală ține de încredere”. Programul pe care Microsoft vrea să-l breveteze se aplică oricărui sistem care scanează înregistrări video și audio ale un persoane care vorbesc în direct; alege singur cuvintele pe care le schimbă folosind profilul utilizatorului; are o IA generativă care face modificări audio și video de o manieră care nu permite detectarea intervenției și afișează produsul final în câteva secunde.

Înregistrarea originală se poate obține numai pe bază de cerere ulterioară. Asta dacă utilizatorul află că înregistrarea a fost alterată, întrucât documentația programului nu spune că ar exista această obligație. De asemenea, programul nu explică utilizatorului de ce a făcut modificările.

Cererea de brevet a fost respinsă deocamdată, dar analiștii spun că este uzual ca autoritatea să ceară explicații și completări.

Sursa în text.