Den gode slags fake video

Åbn et hvilket som helst feed i dag, og du vil finde et ansigt, der siger noget, det aldrig har sagt. En politiker, en kendis, en fremmed — sluppet ind i en scene, der aldrig fandt sted, mens de mimer ord, de aldrig ytrede. På et par år er face-swappede videoer gået fra at være en laboratoriekuriositet til baggrundsstøj, og det meste af tiden er de rettet mod dig: for at sælge, for at bagvaske, for at snyde, for at få dig til at tvivle på selv det, du kigger på.

Hos Annoying-Is-Caring bygger vi præcis den samme teknologi. Vi bruger den til at gøre bedstefar til helten i en actionfilm. Med vilje. Og, i det stille, til at lære en maskine noget dybt menneskeligt.

Samme værktøj, modsat hensigt

Her er den ubehagelige sandhed om face-swap: selve teknologien er neutral. Pixlerne ved ikke, om de forfalsker en tilståelse eller sætter din fars ansigt på et slowmotion-heltebillede, hvor han går væk fra eksplosionen. Det, der adskiller de to, er ikke softwaren — det er hensigt, samtykke og håndværk.

Vores er bevidst på alle tre:

Hensigt

At få én bestemt person, du elsker, til at smile — ikke at narre en menneskemængde.

Samtykke

Videoerne laves af dig, til din person, ud fra fotos, du selv ejer, og deles privat med nogen, der forventer dem. Ingens ansigt sendes ud for at bedrage en fremmed.

Håndværk

Og det er den del, der er værd at dvæle ved, for det er her, at uhyggeligt og charmerende for alvor skilles ad.

At lære en maskine at være sjov

Folk går ud fra, at en jokefirma bare er et tyndt lag uden på en stor AI-model. Det er det ikke. Komik er et af de genuint svære, uløste problemer inden for kunstig intelligens — og det viser sig at være en vidunderlig lærer.

En model kan skrive en grammatisk perfekt sætning dagen lang. At få den til at skrive én, der får en bestemt 78-årig i en bestemt by til at klukke over morgenmaden, er en helt anden sportsgren. Det kræver timing, overraskelse, korthed og en lille personlig detalje, der siger denne her blev skrevet til dig. Så vi tager ikke bare det første udkast: systemet lader flere versioner af hver joke gå til audition og lader en AI-dommer vælge den, der rammer hårdest. På video lærer fortælleren endda det ældste trick i stand-up-faget — pausen, lige før pointen.

Face-swap-komik er der, hvor det hele bliver jordbundet. En joke er abstrakt, indtil den er på et ansigt, du genkender, i en scene, der er absurd netop fordi det er dem. At bygge det godt tvinger modellerne til at forstå ikke bare "er det her sjovt?", men "er det her sjovt om denne person?" — et langt rigere, langt sværere spørgsmål, og en langt bedre lektie.

At få det rigtige ansigt på den rigtige person

Hvilket bringer os til den uglamourøse ingeniørgerning, der faktisk sluger vores tid — og den klareste skillelinje mellem en ondsindet deepfake og en glædelig en.

Et face-swap kan se fejlfrit ud — skarpt, glat, troværdigt — og stadig være fuldstændig forkert, fordi det satte det rigtige ansigt på den forkerte person. I et klip med én person sker det aldrig. Men ret den mod en virkelig scene — to der danser, et middagsbord, et filmøjeblik med et klip midt i — og pludselig er identitet hele spillet.

Vores klareste læremester var et klip med to dansere. Frame for frame så det flot ud. Og lige efter et sceneklip swappede det begge ansigter over på én dansers hoved — én person iført to identiteter, i kamp om den samme kranium. Et smukt frame, der var fuldstændig forkert om, hvem der var hvem. Et tal på et diagram trækker på skuldrene ad det; et menneske ryster tilbage øjeblikkeligt, for vi er alle udsøgt fintunede til at genkende de mennesker, vi elsker.

At rette det er selve jobbet: vi klipper videoen ved hvert sceneskift og afgør, hvem der er hvem inden for hvert enkelt shot; vi beholder kun den ene bedste detektion pr. hoved, så et nærbillede ikke får to identiteter; vi kører billige, næsten øjeblikkelige tjek, der nedlægger veto mod åbenlyst forkerte swaps, som en ren "kvalitets"-score gladeligt ville vinke igennem; og vi modellerer ansigtet med titusindvis af punkter, så en identitet overlever en hoveddrejning i stedet for at smelte sammen med en anden.

Vi er besat af det her af en blød grund med en hård konsekvens: gaven virker kun, hvis personen på skærmen umiskendeligt er den person, de elsker. Får du identiteten forkert, har du ikke en sjov video — du har en uhyggelig en, og varmen er væk. At få det rigtigt er præcis den disciplin, der adskiller et værktøj, der er bygget til at glæde, fra et, der er bygget til at bedrage.

Den fremtid, vi faktisk ønsker os

Fake video ryger ikke tilbage i æsken igen. Det interessante spørgsmål var aldrig "kan vi stoppe det?" — det er "hvad retter vi det mod?" Du kan sigte denne teknologi mod at nedbryde tillid, én overbevisende løgn ad gangen. Eller du kan sigte de selvsamme pixels mod en tredive sekunders overraskelse, der får nogen til at grine højt ad deres telefon og skrive tilbage "SEND MIG DEN IGEN." Én af de fremtider vil vi gerne leve i. Og det vidunderlige er, at det at bygge den glædelige version godt — med samtykke, med omhu, med det rigtige ansigt på den rigtige person — også er måden, hvorpå vi lærer maskiner at gøre noget, som ingen benchmark endnu helt indfanger: at være sjov, om en bestemt person, med vilje.

Samme værktøj. Modsat hensigt. Det er hele virksomheden.