TED2018
Supasorn Suwajanakorn: Fake videos of real people -- and how to spot them
سوپاسورن سوواجاناکورن: ویدئوهای ساختگی از انسان‌های واقعی -- و نحوه تشخیص آنها
Filmed:
Readability: 4.6
1,453,308 views
آیا فکر می‌کنید در تشخیص ویدئوهای ساختگی می‌توانید خوب عمل کنید؟ منظور همان ویدئوهایی است که در آنها فردی شناخته شده حرف‌هایی را به زبان می‌آورد که روحش هم از آنها خبر ندارد. در این چند دقیقه ببینید که چطور فناوری می‌تواند به سادگی ما را فریب بدهد. سوپاسورن سوواجاناکورن که متخصص علوم کامپیوتر است به ما نشان می‌دهد چگونه به کمک هوش مصنوعی و مدل سازی سه بعدی این تصاویر را خلق و با صدایی که می‌شنویم هماهنگ کرده است. در این سخنرانی کوتاه با جنبه‌های اخلاقی ساخت این ویدئوها و امکانات خلاقانه‌ای که در اختیار ما قرار می‌دهند همراه با روش‌هایی برای جلوگیری از سوءاستفاده از این شیوه آشنا خواهیم شد.
Supasorn Suwajanakorn - Computer scientist
Supasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos. Full bio
Supasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos. Full bio
Double-click the English transcript below to play the video.
00:12
Look at these images.
0
876
1151
به این تصاویر نگاه کنید.
00:14
Now, tell me which Obama here is real.
1
2051
2635
به من بگویید کدام یک اوبامای واقعی است؟
00:16
(Video) Barack Obama: To help families
refinance their homes,
refinance their homes,
2
4710
2861
(ویدیو) باراک اوباما: برای کمک
به آنها که باید وام خود را تجدید کرده
به آنها که باید وام خود را تجدید کرده
00:19
to invest in things
like high-tech manufacturing,
like high-tech manufacturing,
3
7595
2647
یا روی تولید به کمک فناوری‌های روز دنیا
00:22
clean energy
4
10266
1159
انرژی‌های پاک
00:23
and the infrastructure
that creates good new jobs.
that creates good new jobs.
5
11449
2779
و زیرساخت‌ها برای مشاغل تازه
سرمایه‌گذاری کنند.
سرمایه‌گذاری کنند.
00:26
Supasorn Suwajanakorn: Anyone?
6
14647
1484
سوپاسورن سوواجاناکورن: کسی فهمید؟
00:28
The answer is none of them.
7
16155
1874
جواب صحیح هیچ‌کدام از آنها است.
00:30
(Laughter)
8
18053
1114
(خنده)
00:31
None of these is actually real.
9
19191
1786
هیچ یک واقعی نیست.
00:33
So let me tell you how we got here.
10
21001
1840
فکر می‌کنید چطور به اینجا رسیدیم.
00:35
My inspiration for this work
11
23940
1578
الهام بخش من برای آغاز این کار
00:37
was a project meant to preserve our last
chance for learning about the Holocaust
chance for learning about the Holocaust
12
25542
5411
پروژه‌ای بود برای آنکه آخرین یافته‌های ما
درباره هولوکاست را حفظ کند
درباره هولوکاست را حفظ کند
00:42
from the survivors.
13
30977
1768
آنهم از زبان شاهدان زنده آن.
00:44
It's called New Dimensions in Testimony,
14
32769
2627
این پروژه که ابعاد جدید شهادت نام داشت،
00:47
and it allows you to have
interactive conversations
interactive conversations
15
35420
3126
به کاربران اجازه می‌داد
صحبتی رودررو و کاملا تعاملی
صحبتی رودررو و کاملا تعاملی
00:50
with a hologram
of a real Holocaust survivor.
of a real Holocaust survivor.
16
38570
2556
با هولوگرام بازمانده واقعی
از هولوکاست داشته باشند.
از هولوکاست داشته باشند.
00:53
(Video) Man: How did you
survive the Holocaust?
survive the Holocaust?
17
41793
1966
(ویدیو) مرد: چطور از هولوکاست
جان سالم به در بردی؟
جان سالم به در بردی؟
00:55
(Video) Hologram: How did I survive?
18
43783
1668
(ویدیو) هولوگرام:
چطور جان سالم به در بردم؟
چطور جان سالم به در بردم؟
00:57
I survived,
19
45912
1807
من زنده ماندم،
01:00
I believe,
20
48419
1527
چون اعتقاد داشتم،
01:01
because providence watched over me.
21
49970
3023
در پناه خدا و فرشتگان هستم.
01:05
SS: Turns out these answers
were prerecorded in a studio.
were prerecorded in a studio.
22
53573
3454
س س: حقیقت اینست که این پاسخ‌ها
از قبل در استودیو ضبط شده بودند.
از قبل در استودیو ضبط شده بودند.
01:09
Yet the effect is astounding.
23
57051
2452
با این حال اثر آنها بی‌نظیر بود.
01:11
You feel so connected to his story
and to him as a person.
and to him as a person.
24
59527
3619
این مرد می‌توانست احساس همدردی
و نوع دوستی شما را برانگیزد.
و نوع دوستی شما را برانگیزد.
01:16
I think there's something special
about human interaction
about human interaction
25
64011
3301
باید چیزی خارق‌العاده در تعامل
میان انسان‌ها وجود داشته باشد
میان انسان‌ها وجود داشته باشد
01:19
that makes it much more profound
26
67336
2757
که آن را این همه قوی
01:22
and personal
27
70117
2198
و شخصی می‌کند
01:24
than what books or lectures
or movies could ever teach us.
or movies could ever teach us.
28
72339
3485
بیشتر از تمام چیزی که از کتاب‌ها
سخنرانی‌ها و فیلم‌ها یاد گرفته‌اید.
سخنرانی‌ها و فیلم‌ها یاد گرفته‌اید.
01:28
So I saw this and began to wonder,
29
76267
2425
پس از دیدن این فیلم به فکر فرو رفتم،
01:30
can we create a model
like this for anyone?
like this for anyone?
30
78716
2810
که آیا می‌توان مدلی شببه به آن را
برای هر کسی خلق کرد؟
برای هر کسی خلق کرد؟
01:33
A model that looks, talks
and acts just like them?
and acts just like them?
31
81550
2975
مدلی که بتواند مانند آنها نگاه کرده
حرف زده و واکنش نشان بدهد؟
حرف زده و واکنش نشان بدهد؟
01:37
So I set out to see if this could be done
32
85573
2007
و تلاش کردم تا به نتیجه برسم
01:39
and eventually came up with a new solution
33
87604
2310
در نهایت به راه‌حل تازه‌ای رسیدم
01:41
that can build a model of a person
using nothing but these:
using nothing but these:
34
89938
3220
که می‌توانست مدلی از یک فرد را
با استفاده از حداقل‌ها ایجاد کند:
با استفاده از حداقل‌ها ایجاد کند:
01:45
existing photos and videos of a person.
35
93747
2214
عکس‌ها و ویدئوهایی که از او وجود داشت.
01:48
If you can leverage
this kind of passive information,
this kind of passive information,
36
96701
2617
اگر بتوانید به بهترین شکل
از این داده‌ها استفاده کنید،
از این داده‌ها استفاده کنید،
01:51
just photos and video that are out there,
37
99342
2007
تنها عکس‌ها و ویدئوهایی
که در اختیار دارید،
که در اختیار دارید،
01:53
that's the key to scaling to anyone.
38
101373
2056
ابزار کافی است.
01:56
By the way, here's Richard Feynman,
39
104119
1777
حالا در اینجا ریچارد فاینمن را داریم،
01:57
who in addition to being
a Nobel Prize winner in physics
a Nobel Prize winner in physics
40
105920
3413
یک فیزیکدان برنده جایزه نوبل
02:01
was also known as a legendary teacher.
41
109357
2453
و استادی افسانهای.
02:05
Wouldn't it be great
if we could bring him back
if we could bring him back
42
113080
2198
به نظرتان عالی نیست
که او را به حیات برگردانیم
که او را به حیات برگردانیم
02:07
to give his lectures
and inspire millions of kids,
and inspire millions of kids,
43
115302
3265
تا برایمان سخنرانی کند و میلیون‌ها
کودک را تحت تأثیر قرار بدهد،
کودک را تحت تأثیر قرار بدهد،
02:10
perhaps not just in English
but in any language?
but in any language?
44
118591
2992
آنهم نه تنها به زبان انگلیسی
بلکه به تمامی زبان‌ها؟
بلکه به تمامی زبان‌ها؟
02:14
Or if you could ask our grandparents
for advice and hear those comforting words
for advice and hear those comforting words
45
122441
4602
یا اینکه پای صحبت‌های شیرین
پدربزرگ‌ها و مادربزرگ‌هایمان بنشینیم
پدربزرگ‌ها و مادربزرگ‌هایمان بنشینیم
02:19
even if they're no longer with us?
46
127067
1770
در حالی که دیگر در قید حیات نیستند؟
02:21
Or maybe using this tool,
book authors, alive or not,
book authors, alive or not,
47
129683
3396
یا از این تکنیک برای جان دادن
به نویسندگان محبوبمان استفاده کنیم،
به نویسندگان محبوبمان استفاده کنیم،
02:25
could read aloud all of their books
for anyone interested.
for anyone interested.
48
133103
2937
تا کتاب‌هایشان را با صدای خود
برای علاقمندان بازخوانی کنند.
برای علاقمندان بازخوانی کنند.
02:29
The creative possibilities
here are endless,
here are endless,
49
137199
2437
ایده‌های خلاقانه بسیاری
در این حیطه وجود دارند،
در این حیطه وجود دارند،
02:31
and to me, that's very exciting.
50
139660
1713
و به شخصه برای من بسیار جذاب هستند.
02:34
And here's how it's working so far.
51
142595
2002
حالا به شیوه کار بپردازیم.
02:36
First, we introduce a new technique
52
144621
1667
در ابتدا تکنیک تازه‌ای خلق کردیم
02:38
that can reconstruct a high-detailed
3D face model from any image
3D face model from any image
53
146312
4572
که می‌توانست طرح سه بعدی دقیقی
از هر تصویری را بازسازی کند
از هر تصویری را بازسازی کند
02:42
without ever 3D-scanning the person.
54
150908
2119
بدون آنکه به اسکن سه بعدی فرد
نیازی داشته باشد.
نیازی داشته باشد.
02:45
And here's the same output model
from different views.
from different views.
55
153890
2642
این همان مدل نهایی از زوایای گوناگون است.
02:49
This also works on videos,
56
157969
1502
همین تکنیک در ویدئو کاربرد دارد،
02:51
by running the same algorithm
on each video frame
on each video frame
57
159495
2852
با به کارگیری الگوریتمی یکسان
در هر فریم از ویدئو
در هر فریم از ویدئو
02:54
and generating a moving 3D model.
58
162371
2222
و خلق یک مدل سه بعدی متحرک.
02:57
And here's the same
output model from different angles.
output model from different angles.
59
165538
2772
این همان محصول نهایی است که
از زوایای گوناگون دیده می‌شود.
از زوایای گوناگون دیده می‌شود.
03:01
It turns out this problem
is very challenging,
is very challenging,
60
169933
2534
به نظر می‌رسد این معما بسیار پیچیده باشد،
03:04
but the key trick
is that we are going to analyze
is that we are going to analyze
61
172491
2525
اما فوت کوزه‌گری اینست که ما به بررسی
03:07
a large photo collection
of the person beforehand.
of the person beforehand.
62
175040
2966
مجموعه گسترده‌ای از تصاویر خواهیم پرداخت.
03:10
For George W. Bush,
we can just search on Google,
we can just search on Google,
63
178650
2539
برای جرج دبلیو. بوش
تنها به جستجو در گوگل اکتفا کردیم،
تنها به جستجو در گوگل اکتفا کردیم،
03:14
and from that, we are able
to build an average model,
to build an average model,
64
182309
2499
و به کمک همان‌ها، موفق به
ساخت مدلی متوسط شدیم،
ساخت مدلی متوسط شدیم،
03:16
an iterative, refined model
to recover the expression
to recover the expression
65
184832
3111
یک مدل شسته رفته و تعاملی
که به خوبی می‌تواند
که به خوبی می‌تواند
03:19
in fine details,
like creases and wrinkles.
like creases and wrinkles.
66
187967
2336
جزئیاتی ریز مانند چین
و چروک صورت را نشان بدهد.
و چروک صورت را نشان بدهد.
03:23
What's fascinating about this
67
191326
1403
نکته جالب توجه اینکه
03:24
is that the photo collection
can come from your typical photos.
can come from your typical photos.
68
192753
3423
مجموعه عکس‌ها می‌تواند از عکس‌های
روزمره شما گردآوری شود.
روزمره شما گردآوری شود.
03:28
It doesn't really matter
what expression you're making
what expression you're making
69
196200
2603
این مهم نیست که حالات
چهره شما چگونه است
چهره شما چگونه است
03:30
or where you took those photos.
70
198827
1885
یا کجا این عکس‌ها را گرفته‌اید.
03:32
What matters is
that there are a lot of them.
that there are a lot of them.
71
200736
2400
مهم اینست که تعداد زیادی
در اختیار داشته باشید.
در اختیار داشته باشید.
03:35
And we are still missing color here,
72
203160
1736
حالا نوبت به رنگ‌ها می‌رسد،
03:36
so next, we develop
a new blending technique
a new blending technique
73
204920
2348
ما از تکنیکی برای
ترکیب آنها استفاده کرده‌ایم
ترکیب آنها استفاده کرده‌ایم
03:39
that improves upon
a single averaging method
a single averaging method
74
207292
2836
که از روش‌های متوسط کنونی
به مراتب بهتر است
به مراتب بهتر است
03:42
and produces sharp
facial textures and colors.
facial textures and colors.
75
210152
2818
و بافت و رنگی زنده به چهره فرد می‌دهد.
03:45
And this can be done for any expression.
76
213779
2771
و می‌تواند برای تمامی حالات استفاده شود.
03:49
Now we have a control
of a model of a person,
of a model of a person,
77
217485
2499
حالا ما کنترل یک مدل
انسانی را در اختیار داریم،
انسانی را در اختیار داریم،
03:52
and the way it's controlled now
is by a sequence of static photos.
is by a sequence of static photos.
78
220008
3795
این کنترل به وسیله توالی از
تصاویر ایستا ایجاد می‌شود.
تصاویر ایستا ایجاد می‌شود.
03:55
Notice how the wrinkles come and go,
depending on the expression.
depending on the expression.
79
223827
3126
به ظاهر و پنهان شدن چین و چروک‌ها
در هنگام تغییر حالات دقت کنید.
در هنگام تغییر حالات دقت کنید.
04:00
We can also use a video
to drive the model.
to drive the model.
80
228109
2746
علاوه بر این می‌توانیم از ویدئو
برای مدل خود استفاده کنیم.
برای مدل خود استفاده کنیم.
04:02
(Video) Daniel Craig: Right, but somehow,
81
230879
2593
(ویدیو) دنیل کریگ: درسته، ولی گاهی،
04:05
we've managed to attract
some more amazing people.
some more amazing people.
82
233496
3771
باید آدم های فوق‌العاده بیشتری جذب کنیم.
04:10
SS: And here's another fun demo.
83
238021
1642
س س: باز هم یک دموی جذاب دیگر.
04:11
So what you see here
are controllable models
are controllable models
84
239687
2246
چیزی که اینجا می‌بینید
مدل‌های قابل کنترل هستند
مدل‌های قابل کنترل هستند
04:13
of people I built
from their internet photos.
from their internet photos.
85
241957
2444
آنها را به کمک تصاویر موجود
در اینترنت درست کرده‌ام.
در اینترنت درست کرده‌ام.
04:16
Now, if you transfer
the motion from the input video,
the motion from the input video,
86
244425
2904
حالا اگر حرکت را از ویدئوی ورودی
به اینجا منتقل کنیم،
به اینجا منتقل کنیم،
04:19
we can actually drive the entire party.
87
247353
2152
همه چیز کامل خواهد شد.
04:21
George W. Bush:
It's a difficult bill to pass,
It's a difficult bill to pass,
88
249529
2172
جرج دبلیو. بوش:
تصویب این لایحه ساده نیست،
تصویب این لایحه ساده نیست،
04:23
because there's a lot of moving parts,
89
251725
2303
چون اجزای پیچیده بسیاری وجود دارد،
04:26
and the legislative processes can be ugly.
90
254052
5231
و فرایندهای قضایی می‌تواند ناخوشایند باشد.
04:31
(Applause)
91
259307
1630
(تشویق)
04:32
SS: So coming back a little bit,
92
260961
1837
س س: بیایید کمی به عقب برگردیم،
04:34
our ultimate goal, rather,
is to capture their mannerisms
is to capture their mannerisms
93
262822
3191
هدف نهایی ما در اینجا،
تبعیت کامل از رفتار این افراد
تبعیت کامل از رفتار این افراد
04:38
or the unique way each
of these people talks and smiles.
of these people talks and smiles.
94
266037
3045
و شیوه یگانه هر یک از آنها
در صحبت و لبخند زدن است.
در صحبت و لبخند زدن است.
04:41
So to do that, can we
actually teach the computer
actually teach the computer
95
269106
2313
برای رسیدن به آن آیا می‌شود
به رایانه یاد بدهیم
به رایانه یاد بدهیم
04:43
to imitate the way someone talks
96
271443
2222
که شیوه حرف زدن فرد را تقلید کرده
04:45
by only showing it
video footage of the person?
video footage of the person?
97
273689
2420
و این کار را تنها به کمک
نمایش ویدئوها انجام بدهیم؟
نمایش ویدئوها انجام بدهیم؟
04:48
And what I did exactly was,
I let a computer watch
I let a computer watch
98
276898
2577
این دقیقا کاری بود که من کردم،
اجازه دادم که رایانه
اجازه دادم که رایانه
04:51
14 hours of pure Barack Obama
giving addresses.
giving addresses.
99
279499
3277
۱۴ ساعت از صحبت‌های اوباما را تماشا کند.
04:55
And here's what we can produce
given only his audio.
given only his audio.
100
283443
3516
تنها کاری که باقی مانده بود
اضافه کردن صدا بود.
اضافه کردن صدا بود.
04:58
(Video) BO: The results are clear.
101
286983
1777
(ویدیو) ب ا: نتیجه مشخص است.
05:00
America's businesses have created
14.5 million new jobs
14.5 million new jobs
102
288784
4349
کسب و کارهای آمریکایی
۱۴/۵ میلیون شغل جدید ایجاد کرده‌اند
۱۴/۵ میلیون شغل جدید ایجاد کرده‌اند
05:05
over 75 straight months.
103
293157
2774
در طی ۷۵ ماه.
05:07
SS: So what's being synthesized here
is only the mouth region,
is only the mouth region,
104
295955
2905
س س: تنها چیزی که در این ویدئوها
طراحی شده دهان اوباما است،
طراحی شده دهان اوباما است،
05:10
and here's how we do it.
105
298884
1540
و شیوه کار به این ترتیب است.
05:12
Our pipeline uses a neural network
106
300764
1826
سیستم ما از شبکه عصبی استفاده می‌کند
05:14
to convert and input audio
into these mouth points.
into these mouth points.
107
302614
2936
تا صدا را تبدیل کرده و آن را
به اجزای دهان منتقل کند.
به اجزای دهان منتقل کند.
05:18
(Video) BO: We get it through our job
or through Medicare or Medicaid.
or through Medicare or Medicaid.
108
306547
4225
(ویدیو) ب ا: ما تلاش می‌کنیم
بیمه ملی را توسعه بدهیم.
بیمه ملی را توسعه بدهیم.
05:22
SS: Then we synthesize the texture,
enhance details and teeth,
enhance details and teeth,
109
310796
3420
پس از آن بافت را همگون کرده،
و جزئیاتی مانند دندان‌ها،
و جزئیاتی مانند دندان‌ها،
05:26
and blend it into the head
and background from a source video.
and background from a source video.
110
314240
3074
نحوه قرار گرفتن آنها در صورت
و پشت زمینه را تصحیح می‌کنیم.
و پشت زمینه را تصحیح می‌کنیم.
05:29
(Video) BO: Women can get free checkups,
111
317338
1905
(ویدیو) ب ا: زنان می‌توانند
به چک آپ رایگان،
به چک آپ رایگان،
05:31
and you can't get charged more
just for being a woman.
just for being a woman.
112
319267
2968
دسترسی داشته و هزینه بیشتری
به دلیل زن بودن نداشته باشند.
به دلیل زن بودن نداشته باشند.
05:34
Young people can stay
on a parent's plan until they turn 26.
on a parent's plan until they turn 26.
113
322973
3306
جوانان هم می توانند تا ۲۶ سالگی
از بیمه والدین خود استفاده کنند،
از بیمه والدین خود استفاده کنند،
05:39
SS: I think these results
seem very realistic and intriguing,
seem very realistic and intriguing,
114
327267
2952
س س: به نظرم این نتایج
بسیار واقعی و قابل درک است،
بسیار واقعی و قابل درک است،
05:42
but at the same time
frightening, even to me.
frightening, even to me.
115
330243
3173
و همزمان نگران کننده، حتی برای من.
05:45
Our goal was to build an accurate model
of a person, not to misrepresent them.
of a person, not to misrepresent them.
116
333440
4015
هدف اصلی ما ساخت مدلی دقیق از فرد است
نه اینکه چهره‌ای غلط از او نمایش بدهیم.
نه اینکه چهره‌ای غلط از او نمایش بدهیم.
05:49
But one thing that concerns me
is its potential for misuse.
is its potential for misuse.
117
337956
3111
چیزی که باعث نگرانی من می‌شود
احتمال سوءاستفاده است.
احتمال سوءاستفاده است.
05:53
People have been thinking
about this problem for a long time,
about this problem for a long time,
118
341958
2971
ما شاهد نمونه‌های متعددی
در طول زمان بوده‌ایم،
در طول زمان بوده‌ایم،
05:56
since the days when Photoshop
first hit the market.
first hit the market.
119
344953
2381
از همان زمانی که فتوشاپ وارد بازار شد.
05:59
As a researcher, I'm also working
on countermeasure technology,
on countermeasure technology,
120
347862
3801
من به عنوان محقق به شیوه‌هایی
برای خلق فناوری‌های مقابله‌ای فکر می‌کنم،
برای خلق فناوری‌های مقابله‌ای فکر می‌کنم،
06:03
and I'm part of an ongoing
effort at AI Foundation,
effort at AI Foundation,
121
351687
2942
و از سوی دیگر جزئی از
بنیاد هوش مصنوعی هستم،
بنیاد هوش مصنوعی هستم،
06:06
which uses a combination
of machine learning and human moderators
of machine learning and human moderators
122
354653
3397
که با استفاده از یادگیری ماشین
و اپراتورهایی که انسان هستند
و اپراتورهایی که انسان هستند
06:10
to detect fake images and videos,
123
358074
2144
ویدئوها و تصاویر ساختگی را تشخیص داده،
06:12
fighting against my own work.
124
360242
1514
به نوعی با کار خود من مقابله می‌کند.
06:14
And one of the tools we plan to release
is called Reality Defender,
is called Reality Defender,
125
362675
3190
یکی از ابزارهایی که طراحی کرده‌ایم
«محافظ واقعیت» نام دارد،
«محافظ واقعیت» نام دارد،
06:17
which is a web-browser plug-in
that can flag potentially fake content
that can flag potentially fake content
126
365889
4039
که بر روی مرورگر نصب شده و می‌تواند
محتوای ساختگی احتمالی را نشان بدهد
محتوای ساختگی احتمالی را نشان بدهد
06:21
automatically, right in the browser.
127
369952
2533
خودکار و درست روی مرورگر.
06:24
(Applause)
128
372509
4228
(تشویق)
06:28
Despite all this, though,
129
376761
1453
با تمام این تلاش‌ها،
06:30
fake videos could do a lot of damage,
130
378238
1840
باز هم ویدئوهای ساختگی می‌توانند،
06:32
even before anyone has a chance to verify,
131
380102
3294
خرابی‌های بسیاری را
پیش از تشخیص به بار بیاورند،
پیش از تشخیص به بار بیاورند،
06:35
so it's very important
that we make everyone aware
that we make everyone aware
132
383420
2722
می‌بینید که آگاه کردن کاربران
بسیار مهم است
بسیار مهم است
06:38
of what's currently possible
133
386166
2007
از اتفاقی که می‌تواند بیفتد
06:40
so we can have the right assumption
and be critical about what we see.
and be critical about what we see.
134
388197
3369
پس با آگاهی است که می‌توانیم
درست تشخیص داده و با دقت ببینیم.
درست تشخیص داده و با دقت ببینیم.
06:44
There's still a long way to go before
we can fully model individual people
we can fully model individual people
135
392423
5007
برای طراحی مدل‌های انسانی
هنوز راهی طولانی در پیش داریم
هنوز راهی طولانی در پیش داریم
06:49
and before we can ensure
the safety of this technology.
the safety of this technology.
136
397454
2786
پیش از آن می‌توانیم در مورد
امنیت این روش به نتیجه برسیم.
امنیت این روش به نتیجه برسیم.
06:53
But I'm excited and hopeful,
137
401097
1587
اما من مشتاق و امیدوار هستم،
06:54
because if we use it right and carefully,
138
402708
3539
چون اگر از این ابزار
درست و با دقت استفاده کنیم،
درست و با دقت استفاده کنیم،
06:58
this tool can allow any individual's
positive impact on the world
positive impact on the world
139
406271
4309
می‌تواند به هر فردی اجازه بدهد
که تأثیر مثبتی روی جهان بگذارد
که تأثیر مثبتی روی جهان بگذارد
07:02
to be massively scaled
140
410604
2190
و در همه جای جهان دیده شود
07:04
and really help shape our future
the way we want it to be.
the way we want it to be.
141
412818
2742
و آینده ما را به آن شکلی
که انتظار داریم شکل بدهد.
که انتظار داریم شکل بدهد.
07:07
Thank you.
142
415584
1151
متشکرم.
07:08
(Applause)
143
416759
5090
(تشویق)
ABOUT THE SPEAKER
Supasorn Suwajanakorn - Computer scientistSupasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos.
Why you should listen
Can we create a digital avatar that looks, acts and talks just like our sweet grandma? This question has inspired Supasorn Suwajanakorn, a recent PhD graduate from the University of Washington, to spend years developing new tools to make it a reality. He has developed a set of algorithms that can build a moving 3D face model of anyone from just photos, which was awarded the Innovation of the Year in 2016. He then introduced the first system that can replicate a person's speech and produce a realistic CG-animation by only analyzing their existing video footage -- all without ever bringing in the person to a Hollywood capture studio.
Suwajanakorn is working in the field of machine learning and computer vision. His goal is to bring vision algorithms out of the lab and make them work in the wild.
Supasorn Suwajanakorn | Speaker | TED.com