Nevěřte nikomu! Ani sami sobě

Člověk najednou zjišťuje, že ti schizofrenní „pošukové" měli v podstatě pravdu - jenže jim to prostě nikdo nevěřil... Zdá se, že už brzy nebude možné věřit ničemu a nikomu.
Na internetu (kde, jak praví jeden z okřídlených výroků dřevních dob webových: „nikdo neví, že jste pes“) je možné vydávat se za kohokoli - tedy dříve to mělo jistá omezení, dokud po vás protistrana nechtěla fotografii nebo něco, co se jednoduše nedalo zfixlovat jako důkaz, že jste to skutečně vy a že jde opravdu o fyzicky existující osobu. Jenže to už dávno není pravda. To, co se ještě nedávno zdálo být věrohodnou nezfalšovatelnou skutečností, může být klidně digitální podfuk. A nemusí jít jen o fotku upravenou pomocí photoshopu nebo jiných grafických editorů, protože i v tomto případě se pracovalo s něčím, co zachycovalo obraz něčeho (resp. někoho) reálného. Nyní však přišla firma Nvidia se systémem, který dokáže generovat naprosto fotorealistické snímky neexistujících osob.

AI pomáhá vytvořit věrný obraz neskutečného
Technologii založenou na neuronové síti umožňující vytvářet fotografie fiktivních osob představila firma poprvé už v roce 2017, ale nyní ji výrazně vylepšila a přivedla téměř k dokonalosti. Neuronová síť Nvidie dokáže vytvářet naprosto fiktivní fotografie osob na úrovni jednotlivých pixelů nebo přenášet jen některé parametry z jedné osoby na druhou, tzn., že po zadání vstupní fotografie osoby s brýlemi může vygenerovat snímek fiktivního člověka, který bude mít také brýle, knírek, pleš apod. Funkce nastavování nejrůznějších parametrů tak umožňuje stvořit neexistující, nicméně velmi realistickou osobu s předem zadanými atributy (fyziognomií, detaily, doplňky apod.) doslova dle požadovaných vlastností.
Základem je technika strojového učení GAN (General Adversarial Network), konfrontující dvě umělé inteligence, které ze zdrojových dat vytváří stále se zlepšující obsah. Ve studii prezentující možnosti této technologie byly využity tisíce veřejných fotek celebrit, na nichž se AI učila, jak vypadá lidská tvář a postupně se vygenerované podobizny snaží zpřesňovat. Obrázky jsou generovány od nejmenšího rozlišení v řádu jednotek pixelů (začínají s rozlišením 4 x 4 px) a postupným učením a vylepšováním se dostávají až na úroveň 1024 x 1024 px. I když ne všechny obrázky jsou dokonalé (technologie, která se osvědčila u portrétů, zatím ne vždy 100% fungovala u různých objektů nebo živočichů, jako jsou např. zvířata či ptáci v pohybu), finální výsledky jsou pozoruhodné.
Nicméně určitou útěchou může být, že kvůli vysokým nárokům na výkon počítače schopného provádět takovéto věci je nezvládne jen tak doma kdokoli (zatím). Vyžaduje to superpočítač a docela dost času. Což je s postupujícím technologickým vývojem stejně jen otázkou času.

Zvládne i pohyblivé obrázky
Aktuální modlou japonských teenagerů je virtuální modelka Imma, která nastoupila na scénu před několika týdny a už se, ačkoli de facto nejde o reálnou osobu, stala jednou z nejvlivnějších osobností tzv. influencerů ve své branži. Grafické studio CG ModelingCafe, které ji vytvořilo, ji výstižně nazvalo podle japonského slova ima, znamenajícího nyní, aby ji profilovalo jako symbol moderních technologií. Také tvářemi luxusní značky Balmain jsou už virtuální modelky vytvořené přesně podle požadavků aktuálních genderových stereotypů, aby se nikdo neurazil. Virtuální krásky Margot, Shudu a Zhi, které stvořil britský fotograf Cameron-James Wilson, reprezentují bělošku, Afričanku a Asiatku, a jsou už nějaký čas hitem instagramu, kde mají tisíce sledujících.
Čínská televize zase předvedla možnosti, které moderní technologie nabízejí v oblasti „předstírané reality“. Představila totiž virtuálního moderátora, který uvádí a čte zprávy ve vysílání místo živého člověka. I jeho podoba byla vytvořena na základě dat získaných z pečlivé analýzy tváří, jaké mají diváci v oblibě. Čínský vyhledávač Sogu vytvořil tyto virtuální moderátory dva (jeden mluví čínsky, druhý funguje pro angličtinu). Mají podobu mladého muže působícího seriózním a sympatickým dojmem a pomocí analýzy záběrů konkrétních lidských moderátorů, které byly zkombinovány za použití strojového učení, byl získán výsledný model. Televize přiznala, že jde o umělou bytost, ovšem navždy tomu tak být nemusí. Téma neexistující virtuální bytosti, která sklízí famózní úspěch mezi veřejností, přesvědčené o skutečné fyzické existenci herecké hvězdy, skvěle ztvárnil ve filmu „Simone“ s Al Pacinem v roce 2002 režisér Andrew Nicol - tehdy ovšem ještě jako sci-fi...

Kdopak to mluví?
A pokud už dokážeme ošálit vizuálními kouzly zrak, je na řadě samozřejmě sluch. Také v oblasti manipulace s audio záznamem a zvukovým výstupem už dosáhla technologie značný pokrok, a to do té míry, že umožňuje obdobně napodobit na základě získaných vzorků hlas kohokoli (za předpokladu, že je k dispozici dostatečný soubor jeho řečových projevů). Softwarů zaměřených na tento segment existuje poměrně bohatá škála, od prostých hlasových syntetizérů používaných v call centrech nebo informování cestujících v dopravě až po sofistikované systémy umožňující doslova kouzla a dokonalou imitaci mluveného projevu charakteristického pro danou osobu. Chcete řeč třeba populární filmové hvězdy nebo Donalda Trumpa, kterou ve skutečnosti tito lidé nikdy nepronesli? Dnes už žádný problém.
Jako jeden příklad za všechny lze zmínit např. software kanadské firmy Lyrebird, specializující se na hlasové aplikace, která na úvodní stránce svého webu sděluje: „Tvoříme nejrealističtějí umělé hlasy na světě". A zdá se, že nepřehání.
 Startup z Montrealské univerzity představil experimentální rozhraní API umožňující na základě zvukového záznamu syntetizovat prakticky cokoliv. Podle firmy k tomu stačí aspoň minutový vhodný záznam skutečného hlasu dané osoby (čím více dat, tím jsou výsledky lepší). Vytvářet z něj další obsah sice podle firmy není možné bez souhlasu vlastníka uměle vytvořeného hlasu, nicméně např. u veřejně činných osob, kde je na internetu více než dostatečná zásoba takovýchto záznamů s kvalitními hlasovými daty, to může znamenat potenciál ke zneužití. Sama firma to ostatně dokumentovala na svém webu prezentací několik syntetizovaných nahrávek v podobě fiktivních projevů Donalda Trumpa, Baracka Obamy či Hillary Clintonové s velmi přesvědčivými výsledky. Software Lyrebird dokáže navíc přizpůsobovat různé parametry hlasového výstupu, umožňuje měnit tempo řeči, intonaci apod. Zatím funguje (naštěstí) jen pro angličtinu.
Firma má ovšem i ušlechtilé cíle - je např. zapojena do projektu Revoice, který se snaží pomoci lidem postiženým ALS (progresivním neurodegenerativním onemocněním, jež může způsobit u postižených osob ztrátu schopnosti mluvit), vrátit jim znovu hlas, byť v syntetizované podobě. Nicméně bychom si měli zřejmě rychle zvyknout na to, že doba orwellovských vizí s možnostmi dokonalé manipulace s fikcí vydávanou za skutečnost se neodvratně blíží - pokud už nenastala...

Josef Vališka

Publikováno: 3. 4. 2019 | Počet zobrazení: 1276 277