یکی از خبرنگاران ارشد حوزه فناوری با همکاری استارت‌آپ پیشرو سینتیژا (Synthesia)، یک همزاد دیجیتالی تعاملی از خود ساخته است که می‌تواند به سوالات مخاطبان درباره گزارش‌های او پاسخ دهد. این تجربه شگفت‌انگیز، نشان می‌دهد که چگونه فناوری کلون‌سازی صوتی و تصویری مرزهای میان انسان و هوش مصنوعی را در دنیای رسانه جابه‌جا می‌کند.
استارت‌آپ سینتیژا که ارزش آن به ۴ میلیارد دلار رسیده، یکی از بزرگ‌ترین بازیگران حوزه آواتارهای دیجیتال در کنار رقبایی چون HeyGen و D-ID است. این پلتفرم به شرکت‌ها اجازه می‌دهد ویدیوهای آموزشی تعاملی بسازند و ابزار جدید آن‌ها به نام Roleplay Sessions به کاربران امکان می‌دهد تا مهارت‌های خود را در موقعیت‌های واقعی شبیه‌سازی‌شده تمرین کنند.
مراحل فنی ساخت همزاد دیجیتالی و نحوه کارکرد آن
برای ساخت این آواتار، خبرنگار وارد یک مینی‌استودیوی فیلم‌برداری در دفتر سینتیژا شد. در این فرآیند، چندین عکس باکیفیت و یک ضبط صوتی دو دقیقه‌ای از صدای او ثبت گردید تا مدل پایه طراحی شود. این آواتار تعاملی با تلفیقی از چهار فناوری پیشرفته کار می‌کند:
- تبدیل گفتار به متن (Voice-to-Text): برای درک سوالاتی که کاربر به صورت صوتی می‌پرسد.
- مدل زبانی عامل‌محور (Agentic Language Model): برای تحلیل معنایی متن و تصمیم‌گیری درباره پاسخ مناسب.
- تبدیل متن به گفتار (Text-to-Voice): برای بازسازی صدای کاربر به صورت طبیعی و بدون گرفتگی صوتی.
- مدل هوش مصنوعی ویدیویی: پویانمایی چهره و حرکات لب متناسب با صدای تولیدشده.
مدل صوتی تولیدشده به قدری دقیق بود که حتی گرفتگی جزیی صدای نویسنده در روز ضبط را برطرف کرد. با این حال، نسخه تعاملی این آواتار به صورت «قطعیت‌گرا» (Deterministic) طراحی شده است؛ یعنی فقط بر اساس داده‌های مقاله‌ای که به او آموزش داده شده پاسخ می‌دهد و در برابر سوالات شخصی، کاربر را مجدداً به موضوع اصلی هدایت می‌کند.
چالش‌های اخلاقی؛ آیا آواتارها جایگزین انسان می‌شوند؟
واکنش‌ها به این همزاد دیجیتال متفاوت بود. اعضای خانواده نویسنده شباهت ظاهری آن را شگفت‌انگیز و حتی کمی عجیب توصیف کردند، در حالی که برخی دوستان معتقد بودند صدای آواتار هنوز با صدای واقعی تفاوت دارد. این تجربه پرسش‌های مهمی را درباره آینده روزنامه‌نگاری و رسانه ایجاد می‌کند.
برخی سرمایه‌گذاران معتقدند که مخاطبان هرگز محتوای تولیدشده توسط یک هوش مصنوعی بی‌روح را جایگزین ارتباط انسانی با خبرنگاران واقعی نخواهند کرد. اعتماد، هسته اصلی روزنامه‌نگاری است و این ارزش چیزی نیست که بتوان آن را به ماشین‌ها برون‌سپاری کرد. با این حال، در محیط‌های شرکتی، داشتن یک کلون دیجیتال که بتواند در زمان تعطیلات به سوالات مشتریان پاسخ دهد، بسیار جذاب و کاربردی به نظر می‌رسد.
سوالات متداول
همزاد دیجیتالی تعاملی چیست؟
یک شبیه‌ساز دیجیتالی از چهره و صدای انسان است که با بهره‌گیری از مدل‌های زبانی بزرگ، می‌تواند به صورت زنده، پویا و دوطرفه با کاربران گفتگو کند.
آیا آواتارهای تعاملی می‌توانند کاملاً جایگزین انسان‌ها شوند؟
خیر؛ اگرچه این ابزارها در کارهای تکراری، آموزش و پاسخگویی به سوالات متداول عالی عمل می‌کنند، اما خلاقیت، اعتماد و همدلی انسانی غیرقابل جایگزینی هستند.
تفاوت آواتار قطعیت‌گرا با آواتار آزاد چیست؟
آواتارهای قطعیت‌گرا (Deterministic) فقط بر اساس یک سند یا موضوع مشخص شده پاسخ می‌دهند و از حدومرز خود خارج نمی‌شوند، در حالی که آواتارهای آزاد با استفاده از چت‌بات‌های عمومی درباره هر موضوعی به فرضیه‌سازی می‌پردازند.