הסוג הטוב של סרטון מזויף

פתחו כל פיד היום ותמצאו פרצוף אומר משהו שמעולם לא אמר. פוליטיקאי, סלב, זר מוחלט — מושתלים לתוך סצנה שמעולם לא קרתה, מדקלמים מילים שמעולם לא יצאו מפיהם. תוך שנתיים-שלוש, וידאו עם החלפת פנים עבר מפליאה מעבדתית לרעש רקע, ורוב הזמן הוא מכוון אליכם: כדי למכור, כדי להשמיץ, כדי לרמות, כדי לגרום לכם להטיל ספק במה שאתם בכלל רואים.

ב-Annoying-Is-Caring, אנחנו בונים בדיוק את אותה טכנולוגיה. אנחנו משתמשים בה כדי להפוך את סבא לגיבור של סרט אקשן. במכוון. ובשקט, כדי ללמד מכונה משהו אנושי עמוק.

אותו כלי, כוונה הפוכה

הנה האמת הלא נוחה על החלפת פנים: הטכנולוגיה עצמה נייטרלית. הפיקסלים לא יודעים אם הם מזייפים הודאה או מדביקים את הפרצוף של אבא שלכם על שוט גיבור בהילוך איטי, כשהוא צועד לו הרחק מהפיצוץ. מה שמפריד בין השניים הוא לא התוכנה — אלא כוונה, הסכמה ומלאכה.

שלנו מכוונת בכל השלושה:

כוונה

להצחיק אדם ספציפי אחד שאתם אוהבים — לא לעבוד על קהל.

הסכמה

הסרטונים נעשים על ידכם, בשביל האדם שלכם, מתמונות שבבעלותכם, ומשותפים באופן פרטי עם מישהו שכבר מצפה להם. הפרצוף של אף אחד לא משודר כדי להטעות זר.

מלאכה

וזה החלק ששווה להתעכב עליו, כי כאן המצמרר והמקסים באמת נפרדים לדרכם.

ללמד מכונה להיות מצחיקה

אנשים מניחים שחברת בדיחות היא סתם עטיפה דקה מסביב למודל AI גדול. היא לא. קומדיה היא אחת הבעיות הקשות והבלתי-פתורות באמת בבינה מלאכותית — ומסתבר שהיא מורה נפלאה.

מודל יכול לכתוב משפט מושלם מבחינה דקדוקית כל היום. לגרום לו לכתוב אחד שיצחיק בדיוק את בן ה-78 מסוים בעיירה מסוימת על ארוחת הבוקר — זה ענף ספורט אחר לגמרי. זה דורש תזמון, הפתעה, קיצור, ופרט אישי קטן שאומר הבדיחה הזאת נכתבה בשבילך. אז אנחנו לא לוקחים את הטיוטה הראשונה: המערכת עורכת אודישן לכמה גרסאות של כל בדיחה ומאפשרת לשופט AI לבחור את זו שנוחתת הכי חזק. בווידאו, הקריין אפילו לומד את הטריק הכי ותיק בסטנד-אפ — ההשתהות, בדיוק לפני הפאנץ'.

קומדיית החלפת פנים היא המקום שבו כל זה מקבל קרקע. בדיחה היא מופשטת עד שהיא מונחת על פרצוף שאתם מזהים, בתוך סצנה שהיא אבסורדית בדיוק כי זה הם. לבנות את זה טוב מכריח את המודלים להבין לא רק "האם זה מצחיק?" אלא "האם זה מצחיק לגבי האדם הזה?" — שאלה הרבה יותר עשירה, הרבה יותר קשה, ושיעור הרבה יותר טוב.

לשים את הפרצוף הנכון על האדם הנכון

מה שמביא אותנו להנדסה הלא זוהרת שבאמת בולעת את הזמן שלנו — והקו הכי חד בין דיפ-פייק זדוני לבין שמח.

החלפת פנים יכולה להיראות מושלמת — חדה, חלקה, אמינה — ועדיין להיות שגויה לחלוטין, כי היא שמה את הפרצוף הנכון על האדם הלא נכון. בקליפ של אדם אחד זה אף פעם לא קורה. אבל כשמכוונים את זה לסצנה אמיתית — שני אנשים רוקדים, שולחן ארוחת ערב, רגע מתוך סרט עם חיתוך באמצע — פתאום הזהות היא כל המשחק.

המורה הכי ברורה שלנו הייתה קליפ עם שני רקדנים. פריים אחרי פריים זה נראה מעולה. ומיד אחרי חיתוך סצנה, זה החליף את שני הפרצופים אל תוך ראש של רקדן אחד — אדם אחד עוטה שתי זהויות, נאבקות על אותה גולגולת. פריים יפהפה שהיה שגוי לחלוטין לגבי מי זה מי. מספר בגרף מושך כתף לזה; אדם נרתע מיד, כי כולנו מכוונים בעדינות מופלאה לזהות את מי שאנחנו אוהבים.

לתקן את זה — זו העבודה: אנחנו חותכים את הווידאו בכל שינוי סצנה ומחליטים מי זה מי בתוך כל שוט; אנחנו שומרים רק את הזיהוי הבודד הכי טוב לכל ראש, כך שקלוז-אפ לא זוכה לשתי זהויות; אנחנו מריצים בדיקות זולות וכמעט-מיידיות שפוסלות החלפות שגויות בעליל שציון "איכות" גרידא היה מעביר בשמחה; ואנחנו מדגמנים את הפרצוף בעזרת עשרות אלפי נקודות, כך שזהות שורדת סיבוב ראש במקום להימס לתוך מישהו אחר.

אנחנו אובססיביים לגבי זה מסיבה רכה עם השלכה קשה: המתנה עובדת רק אם האדם על המסך הוא ללא ספק האדם שהם אוהבים. תפספסו את הזהות ואין לכם סרטון מצחיק — יש לכם סרטון מצמרר, והחום נעלם. לעשות את זה נכון זו בדיוק המשמעת שמפרידה בין כלי שנבנה כדי לשמח לבין כלי שנבנה כדי להטעות.

העתיד שאנחנו באמת רוצים

וידאו מזויף לא חוזר לתוך הקופסה. השאלה המעניינת מעולם לא הייתה "האם נוכל לעצור את זה?" — אלא "לאן אנחנו מכוונים אותו?" אפשר לכוון את הטכנולוגיה הזאת לשחיקת האמון, שקר משכנע אחד בכל פעם. או שאפשר לכוון את אותם הפיקסלים בדיוק להפתעה של שלושים שנייה שגורמת למישהו לפרוץ בצחוק מול הטלפון ולכתוב בחזרה "תשלח לי את זה שוב." באחד מהעתידים האלה היינו רוצים לחיות. והחלק הנפלא הוא שלבנות את הגרסה השמחה טוב — בהסכמה, באכפתיות, עם הפרצוף הנכון על האדם הנכון — זו גם הדרך שבה אנחנו מלמדים מכונות לעשות משהו שאף מבחן ביצועים עדיין לא לוכד במלואו: להיות מצחיקות, לגבי מישהו, במכוון.

אותו כלי. כוונה הפוכה. זו כל החברה.