ویدیوی جعلیِ نوع خوب

هر فیدی را که امروز باز کنید، چهره‌ای می‌بینید که چیزی می‌گوید که هرگز نگفته است. یک سیاستمدار، یک سلبریتی، یک غریبه — که در صحنه‌ای رها شده که هرگز رخ نداده، و کلماتی را زمزمه می‌کند که هرگز بر زبان نیاورده. تنها در فاصله چند سال، ویدیوی تعویض‌چهره از یک کنجکاوی آزمایشگاهی به سروصدای زمینه‌ای روزمره تبدیل شد، و بیشتر اوقات نشانه‌اش به سمت شماست: برای فروختن، برای بدنام‌کردن، برای کلاهبرداری، برای اینکه به آنچه حتی جلوی چشمتان است شک کنید.

ما در Annoying-Is-Caring دقیقاً همان فناوری را می‌سازیم. از آن استفاده می‌کنیم تا پدربزرگ را قهرمان یک فیلم اکشن کنیم. عمداً. و در سکوت، تا به یک ماشین چیزی عمیقاً انسانی بیاموزیم.

همان ابزار، نیت مخالف

حقیقت ناخوشایند درباره تعویض چهره این است: خودِ فناوری بی‌طرف است. پیکسل‌ها نمی‌دانند که در حال جعل یک اعتراف‌اند یا در حال چسباندن چهره پدرتان روی نمای اسلوموشنِ قهرمانی که آرام از انفجار دور می‌شود. آنچه این دو را از هم جدا می‌کند نرم‌افزار نیست — بلکه نیت، رضایت و هنر است.

مالِ ما در هر سه، آگاهانه است:

نیت

تا یک نفرِ مشخص را که دوستش دارید بخندانیم — نه اینکه جمعیتی را فریب دهیم.

رضایت

این ویدیوها به‌دست شما، برای عزیزتان ساخته می‌شوند، از عکس‌هایی که مالِ خودتان است، و به‌طور خصوصی با کسی به اشتراک گذاشته می‌شوند که چشم‌به‌راهش است. چهره هیچ‌کس برای فریبِ یک غریبه پخش نمی‌شود.

هنر

و این همان بخشی است که ارزش درنگ کردن دارد، چون اینجاست که مورمورکننده و دلپذیر واقعاً راهشان از هم جدا می‌شود.

آموزش بامزه بودن به یک ماشین

مردم گمان می‌کنند یک شرکت جوک، پوسته‌ای نازک دور یک مدل بزرگ هوش مصنوعی است. این‌طور نیست. طنز یکی از مسائلِ واقعاً دشوار و حل‌نشده هوش مصنوعی است — و معلوم می‌شود که معلمی شگفت‌انگیز هم هست.

یک مدل می‌تواند تمام روز جمله‌هایی از نظر دستوری بی‌نقص بنویسد. اما وادار کردنش به نوشتن جمله‌ای که یک آدم مشخصِ ۷۸ ساله را در یک شهرِ مشخص سر صبحانه به خنده بیندازد، ورزشی کاملاً متفاوت است. به زمان‌بندی، غافلگیری، ایجاز، و یک جزئیات کوچکِ شخصی نیاز دارد که بگوید این یکی برای تو نوشته شده است. پس ما به پیش‌نویس اول قناعت نمی‌کنیم: سیستم چند نسخه از هر جوک را به آزمون می‌گذارد و می‌گذارد یک داورِ هوش مصنوعی آنی را برگزیند که بیشترین اثر را می‌گذارد. در ویدیو، راوی حتی قدیمی‌ترین ترفند استندآپ را یاد می‌گیرد — همان مکث، درست پیش از ضربه پایانی جوک.

طنزِ تعویض‌چهره جایی است که همه اینها زمینی می‌شود. یک جوک تا وقتی روی چهره‌ای آشنا ننشیند انتزاعی است، در صحنه‌ای که دقیقاً به این دلیل مضحک است که خودِ اوست. ساختنِ درستِ آن مدل‌ها را وادار می‌کند نه‌فقط بفهمند «آیا این بامزه است؟» بلکه «آیا این درباره این آدم بامزه است؟» — پرسشی بسیار غنی‌تر، بسیار دشوارتر، و درسی بسیار بهتر.

نشاندن چهره درست روی آدم درست

و این ما را به آن مهندسیِ بی‌زرق‌وبرقی می‌رساند که واقعاً وقتِ ما را می‌بلعد — و روشن‌ترین مرزی که یک دیپ‌فیکِ بدخواه را از یک دیپ‌فیکِ شادی‌بخش جدا می‌کند.

یک تعویض چهره می‌تواند بی‌نقص به نظر برسد — تیز، صاف، باورپذیر — و با این حال کاملاً اشتباه باشد، چون چهره درست را روی آدم اشتباه نشانده است. در کلیپی که فقط یک نفر در آن است، این هرگز رخ نمی‌دهد. اما آن را به سمت یک صحنه واقعی نشانه بگیرید — دو نفر در حال رقص، یک میز شام، لحظه‌ای از یک فیلم با یک بُرش در میانه‌اش — و ناگهان هویت، تمامِ بازی می‌شود.

روشن‌ترین معلم ما یک کلیپ با دو رقصنده بود. فریم به فریم عالی به نظر می‌رسید. و درست پس از یک بُرشِ صحنه، هر دو چهره را روی سرِ یک رقصنده واحد نشاند — یک نفر با دو هویت، که بر سرِ یک جمجمه با هم می‌جنگیدند. فریمی زیبا که کاملاً درباره اینکه چه کسی چه کسی است اشتباه می‌کرد. یک عدد روی نمودار به این بی‌اعتنایی می‌کند؛ اما یک انسان بی‌درنگ پس می‌کشد، چون همه ما به‌طرزی فوق‌العاده برای شناختن کسانی که دوستشان داریم تنظیم شده‌ایم.

درست کردنش همان کار است: ویدیو را در هر تغییر صحنه می‌بُریم و درونِ هر نما تصمیم می‌گیریم چه کسی چه کسی است؛ برای هر سر فقط بهترین تشخیص را نگه می‌داریم، تا یک نمای نزدیک صاحب دو هویت نشود؛ بررسی‌های ارزان و تقریباً آنی اجرا می‌کنیم که تعویض‌های آشکارا اشتباهی را وتو می‌کنند که یک نمرهٔ صرفاً «کیفیتی» با خیال راحت از کنارشان می‌گذشت؛ و چهره را با ده‌ها هزار نقطه مدل می‌کنیم تا یک هویت از یک چرخشِ سر جان به در ببرد، نه اینکه در آدمی دیگر ذوب شود.

به دلیلی نرم اما با پیامدی سخت وسواس داریم: این هدیه فقط وقتی کار می‌کند که آدمِ روی صفحه بی‌تردید همان کسی باشد که دوستش دارند. هویت را اشتباه بگیرید و دیگر یک ویدیوی بامزه ندارید — یک ویدیوی مورمورکننده دارید، و آن گرما رفته است. درست انجام دادنش دقیقاً همان انضباطی است که ابزارِ ساخته‌شده برای شادی‌آفرینی را از ابزارِ ساخته‌شده برای فریب جدا می‌کند.

آینده‌ای که واقعاً می‌خواهیم

ویدیوی جعلی دیگر به جعبه‌اش برنمی‌گردد. پرسشِ جالب هرگز «آیا می‌توانیم جلویش را بگیریم؟» نبود — پرسش این است که «آن را به سمت چه چیزی نشانه می‌گیریم؟» می‌توانید این فناوری را به سمت فرسودنِ اعتماد نشانه بگیرید، یک دروغِ باورپذیر در هر بار. یا می‌توانید همان پیکسل‌ها را به سمت یک غافلگیریِ سی‌ثانیه‌ای نشانه بگیرید که کسی را وادار می‌کند بلندبلند به گوشی‌اش بخندد و پیام بدهد «دوباره اونو برام بفرست». یکی از این دو آینده را دلمان می‌خواهد در آن زندگی کنیم. و بخش شگفت‌انگیز ماجرا این است که ساختنِ خوبِ نسخه شادی‌بخش — با رضایت، با دلسوزی، با چهره درست روی آدم درست — دقیقاً همان راهی است که با آن به ماشین‌ها یاد می‌دهیم کاری را انجام دهند که هنوز هیچ معیارِ سنجشی به‌تمامی آن را در بر نگرفته است: بامزه بودن، درباره کسی، عمداً.

همان ابزار. نیت مخالف. کلِ شرکت همین است.