Son zamanlarda ortaya çıkan yapay zekâlar bir hayli popüler hale geldi. Bu yapay zekâ modellerinden bazılar metinsel komutlarınızı görsellere dönüştürüyor (Midjourney, DALL-E vb.), bazıları metinsel komutlarınızdan videolar oluşturuyor (Elai.io, Make-a-Video vb.), bazıları ise size bir insanla sohbet ediyormuş gibi hissettiriyor (ChatGPT). Şimdi ise Microsoft yepyeni bir yapay zekâ modeliyle karşımızda.
Karşınızda, insanların seslerini taklit edebilen "VALL-E"
ABD merkezli teknoloji devi, insanların seslerini taklit edip çoğaltabilen yapay zekâ aracı VALL-E'yi tanıttı. 60 bin saatlik İngilizce konuşma verisi üzerinde eğitilen yapay zekâ, sesleri oluşturmak için kendisine verilen örnek seslerin sadece 3 saniyelik kesitlerini kullanıyor. VALL-E'yi diğer yapay zekâ araçlarından ayıran şey ise, orijinal konuşmacının duygularını ve tonunu taklit edebiliyor.
Microsoft, Cornell Üniversitesi'nin denemeleri sonucu VALL-E'den çıkan bazı örnekleri GitHub üzerinden yayınlandı. Ses örnekleri incelendiğinde, yapay zekânın seslendirmelerinin bazı yerlerinde robotik seslerle karşılaşabiliyoruz ancak bazı örneklerin orijinaliyle birebir aynı olduğunu söyleyebiliriz. Bunun yanında VALL-E, konuşmacının bulunduğu ortama göre ses tonunu değiştirebiliyor. Konuşmacı bir mağaradaysa, VALL-E orijinal sesin içinde bulunduğu atmosferi koruyarak sesler üretiyor.
VALL-E, beraberinde bazı endişeler de getirdi
Daha yeni ortaya çıkmasına rağmen orijinaline oldukça yakın sesler üretebilen VALL-E, beraberinde bazı endişeleri de getirdi. VALL-E'nin yanlış kişilerin kontrolüne geçmesi soncu sahte ses kayıtları ciddi sonuçlar doğurabilir. Bu sorun, dolandırıcılık ya da şantaj gibi olayların artmasına neden olabilir. Hatırlarsanız aynı etik kaygılar deepfake teknolojisinde de ortaya çıkmıştı. Bu nedenle Microsoft VALL-E'yi açık kaynaklı yapmamayı seçebilir ancak bu önlemin tabii ki yüzde yüz güvenlik sağlayacağını söyleyemeyiz.