Povodom emisije Na\u010disto TV Vijesti, u kojoj se debatuje o tome da li se autoru emisije u video poruci javio odbjegli Milo\u0161 Medenica ili njegov avatar, pitali smo AI:
\nJe li mogu\u0107e da AI u realnom vremenu simulira stvarnu osobu i reaguje na pitanja?<\/p>\n
“Kratak odgovor je:<\/p>\n
Da, to je ve\u0107 sada tehni\u010dki mogu\u0107e i koristi se u razne svrhe.<\/p>\n
Tehnologija koja stoji iza ovoga naziva se Digitalni blizanci (Digital Twins) ili AI Avatari, a funkcioni\u0161e kombinovanjem nekoliko razli\u010ditih grana vje\u0161ta\u010dke inteligencije u jedan povezani sistem.<\/p>\n
Evo kako taj proces izgleda u “realnom vremenu”:<\/p>\n
Kako funkcioni\u0161e simulacija osobe?<\/strong><\/p>\n Da bi AI simulirao stvarnu osobu, on mora istovremeno da procesira tri glavna elementa:<\/p>\n 1.\u00a0 \u00a0 Slu\u0161anje i razumijevanje (STT & NLP): AI koristi Speech-to-Text da pretvori tvoj glas u tekst, a zatim Large Language Model (poput onoga koji pokre\u0107e ChatGPT) da razumije zna\u010denje i generi\u0161e odgovor u stilu te osobe.<\/p>\n 2.\u00a0 Kloniranje glasa (TTS): Pomo\u0107u samo nekoliko minuta audio zapisa stvarne osobe, AI mo\u017ee generisati novi govor koji zvu\u010di identi\u010dno toj osobi, sa istom bojom glasa, akcentom i emocijom.<\/p>\n 3.\u00a0 \u00a0 \u00a0Vizuelna simulacija (Video Synthesis): Tehnologije poput onih koje razvijaju kompanije HeyGen ili Synthesia omogu\u0107avaju kreiranje video prikaza lica koji se pomjera u skladu sa izgovorenim rije\u010dima, uklju\u010duju\u0107i mimiku i treptanje.<\/p>\n Gdje se ovo ve\u0107 primjenjuje?<\/p>\n \u2666\u00a0\u00a0\u00a0 \u00a0Slu\u017eba za korisnike: Kompanije koriste digitalne avatare koji izgledaju kao stvarni ljudi za interakciju sa klijentima.<\/p>\n \u2666\u00a0\u00a0 \u00a0Obuka i edukacija: Simulacije poznatih profesora ili stru\u010dnjaka koji “u\u017eivo” odgovaraju na pitanja studenata.<\/p>\n \u2666\u00a0\u00a0\u00a0\u00a0 Gejming i zabava: NPC likovi (likovi u igrama) koji vi\u0161e nemaju unaprijed napisan scenario, ve\u0107 pri\u010daju slobodno koriste\u0107i AI.<\/p>\n \u2666\u00a0\u00a0\u00a0\u00a0 Deepfake tehnologija: Na\u017ealost, ovo se koristi i za prevare, gdje se u video pozivima simuliraju direktori kompanija ili \u010dlanovi porodice kako bi se iznudio novac.<\/p>\n Ograni\u010denja i izazovi<\/strong><\/p>\n Iako zvu\u010di fascinantno, jo\u0161 uvijek postoje odre\u0111ene prepreke:<\/p>\n \u2666\u00a0\u00a0\u00a0\u00a0 Ka\u0161njenje (Latency): Za procesiranje govora, razmi\u0161ljanja i generisanja videa potrebno je par sekundi. Te\u0161ko je posti\u0107i “savr\u0161enu” reakciju bez milisekunde zastoja, mada se taj jaz ubrzano smanjuje.<\/p>\n \u2666\u00a0\u00a0\u00a0\u00a0 “Uncanny Valley” efekat: Ljudi \u010desto osjete nelagodu kada vide ne\u0161to \u0161to izgleda skoro kao \u010dovjek, ali ima sitne, neprirodne pokrete o\u010diju ili usana.<\/p>\n \u2666\u00a0\u00a0\u00a0\u00a0 Etika i sigurnost: Pitanje pristanka (da li osoba \u017eeli da bude simulirana) i rizik od zloupotrebe su trenutno najve\u0107e teme u svijetu tehnologije.<\/p>\n \u00a0\u00a0\u00a0 Va\u017ena napomena:<\/strong> Tehnologija je postala toliko napredna da je danas veoma te\u0161ko razlikovati visokokvalitetni AI video poziv od stvarne osobe bez pa\u017eljivog posmatranja sitnih artefakata na slici ili neobi\u010dnih prelaza u glasu.<\/p>\n \u017deli\u0161 li da ti preporu\u010dim neke konkretne alate ili platforme gdje mo\u017ee\u0161 sam isprobati kreiranje ovakvog avatara?<\/p>\n