وقتی الکساندرو وویکا، مدیر امور شرکتی استارتاپ Synthesia، لینکی از جدیدترین عضو تیم روابط عمومی‌شان برایم فرستاد، شگفت‌زده شدم. یک آواتار مجازی تعاملی از خودش بود که برای پاسخ به سؤالات عمومی رسانه‌ای آموزش دیده بود. آن روز قبل، در پنلی شرکت کرده بودم که در آن‌ها از من پرسیده بودند آیا با پیتچ‌های متنی هوش مصنوعی مشکل دارم یا نه، اما آواتار وویکا فراتر از آن بود. به نظر من، این مرحله پایانی (فینال بوس) در استفاده از هوش مصنوعی در روابط عمومی است.
در سپتامبر، Synthesia مرا به دفتر جدیدش در نیویورک دعوت کرد. این شرکت که در ابتدای کار بریتانیایی بود، اکنون به‌عنوان یک استارتاپ داغ در حوزه آواتارهای دیجیتال به همراستایی با رقبا مثل D-ID، HeyGen و Colossyan شناخته می‌شود. اوایل امسال ارزش آن به ۴ میلیارد دلار رسید و سال گذشته اعلام کرد درآمد سالانه (ARR) آن از ۱۰۰ میلیون دلار عبور کرده است.
تجربه ساخت دوقلو دیجیتال من
وقتی در افتتاحیه دفتر جدید پرسیدند آیا دوست دارم آواتار هوش مصنوعی مخصوص خودم را بسازم، بدون تردید گفتم بله. لباسی که آن روز پوشیده بودم بامزه بود و موهایم مرتب بودند. تا آن لحظه نسبت به آواتارها بی‌تفاوت بودم، اما حس می‌کردم که آن‌ها ناگزیر بخشی از زندگی آنلاین روزمره ما خواهند شد.
برای ساخت این آواتار، وارد استودیوی کوچکی شدم که درون دفتر Synthesia قرار داشت. آن‌ها تعدادی عکس از من گرفتند و یک ضبط دو دقیقه‌ای از صدایم انجام دادند. باید رضایت‌نامه امضا کنم و در نهایت «دوم دیجیتال» متولد شد. آن‌ها یک آواتار شخصی برایم ساختند (که فقط اسکریپت‌هایی را که به او می‌دهم می‌خواند) با و بدون عینک، و همچنین دو آواتار تعاملی (که می‌توانند پاسخ دهند و گوش دهند) را هم خلق کردند.
تکنولوژی پشت آواتارها
- پلتفرم ویدیو: ساختن ویدیوهای آموزشی با آواتارهایی که اسکریپت تایپ‌شده را تکرار می‌کنند.
- پلتفرم Agentic (Sessions): امکان تعامل با آواتارها در نظرسنجی‌ها یا نقش‌آفرینی‌های تعاملی.
- پلتفرم API: در دسترس قرار دادن مدل‌های ویدیو و صدای Synthesia برای ترکیب با خدمات دیگر.
تکنیک‌های ساخت آواتار تعاملی من شامل ترکیبی از مدل‌های تبدیل صدا به متن، ویدیو، زبان و متن به صدا بود. این فرآیند شامل تبدیل صحبت‌های کاربر به متن، فهم آن توسط مدل زبان هوشمند (Agentic)، ساخت پاسخ صوتی و infine انیمیشن دهان آواتار هنگام صحبت بود.
بازخورد دوستان و نگرانی‌های آینده
اول با آواتار شخصی‌ام بازی کردم و اسکریپتی ساده درباره پاییزی که در نیویورک رسیده بود خواندم. صدا نسبتاً دقیق بود و خوشحالم که خراشی که صدایم هنگام ضبط داشت را نبرده است. وقتی آن را به دوستان غیرفناورانه‌ام نشان دادم، هم جذاب و هم عجیب و ترسناک (Creepy) دانستند.
آواتار تعاملی من قطعی (Deterministic) است؛ یعنی فقط چیزی را می‌گوید که برای آن آموزش داده‌ام. در این مورد، روی یک داستان‌ام درباره کلاهبرداری در استارتاپ‌های حمایت‌شده از وجوه مشترک (VC) آموزش دیده بود. وقتی از آن درباره محل سکونت یا شغل قبلی‌ام پرسیدم، هر بار من را به آن داستان برمی‌گرداند. مادرم آن را «شگفت‌انگیز» دانست و سعی کرد سؤالاتی بپرسد که فقط او و پدرم جوابش را می‌دانستند، اما مدل هیچ‌کدام را پاسخ نداد و من را به داستان اصلی هدایت کرد. مادرم شوخی کرد: «یادم نرفته دو تا از شما را به دنیا آورده باشم! »
آیا آواتارها آینده خبرگزاری‌ها هستند؟
این تجربه باعث شد درباره آینده ژورنالیسم فکر کنم. آیا مردم مشکلی با دیده شدن اخبار توسط یک آواتار خواهند داشت؟ یک سرمایه‌گذار بلافاصله گفت نه. البته فشار زیادی علیه محتوای ضعیف و تولیدی هوش مصنوعی در شبکه‌های اجتماعی وجود دارد، اما برخی دیگر مطمئن نبودند. آیا آواتارها می‌توانند مکمل یا جایگزین ژورنالیست‌ها شوند؟ آیا مدیران عامل (CEO) خواستار صحبت با آواتار یک خبرنگار به جای خودِ خبرنگار هستند؟
دیجیتال توئین‌ها می‌توانند جذاب باشند؛ دیگر لازم نیست بعد از تعطیلات کار عقب‌مانده را جبران کنید، چون نسخه‌ای از شما همیشه در دسترس است. اما من احساسات مخلی دارم. بعد از گذشتن از هیجان اولیه، آواتارم را بعد از اینکه سکوت کرد زیر نظر گرفتم. منتظر چی بودم؟ شاید پلک زدن، خندیدن یا اینکه فقط بفهمد من هستم. اما چون آواتارهای من قطعی هستند، هرگز چنین کاری نمی‌کنند. می‌توانم تصور کنم چقدر آسان است که کسی با یک آواتار غیرقطعی که به یک چت‌بات آزاد متصل است، دچار نوعی هذیان‌پردازی هوش مصنوعی شود.
من پیش‌بینی می‌کنم که نسل من (Gen Z) احتمالاً به این فناوری عادت نخواهد کرد، زیرا حس علمی-تخیلی آن همچنان حفظ شده است. اما من آواتارهای دیجیتال را کمتر از ربات‌های انسانی (Humanoids) خراب‌کننده در نظر می‌گیرم. حداقل با آواتار، اگر اوضاع عجیب شد، همیشه می‌توانم از سیستم خارج شوم.
نظر، سوال یا تجربه خود را درباره این مطلب با سایر کاربران اوکالا به اشتراک بگذارید.