Inteligencia artificial genera retratos basados ​​solo en la voz de alguien

La tecnología puede aprender mucho sobre nosotros, nos guste o no. Puede descubrir qué nos gusta, dónde hemos estado, cómo nos sentimos.

Incluso puede hacernos decir o hacer cosas que nunca hemos dicho o hecho.

Y de acuerdo con una nueva investigación, puede comenzar a descubrir cómo se ve usted basándose simplemente en el sonido de su voz.

Los investigadores del MIT publicaron un artículo llamado Speech2Face: Learning the Face Behind a Voice que explora cómo un algoritmo puede generar una cara basada en una breve grabación de audio de esa persona.

No es una descripción exacta del hablante, pero con base en las imágenes del documento, el sistema pudo crear una imagen de una cara con una expresión neutral con género, raza y edad precisos.

Los investigadores entrenaron la red neuronal profunda en millones de clips educativos de YouTube con más de 100.000 oradores diferentes.

Si bien los investigadores notan que su método no genera imágenes exactas de una persona basándose en estos cortos clips de audio, los ejemplos que se muestran en el estudio indican que los retratos resultantes se asemejan a cómo se ve realmente la persona.

No es necesariamente lo suficientemente similar como para poder identificar a alguien según la imagen, pero sí indica la nueva realidad de que incluso en una forma rudimentaria, un algoritmo puede adivinar y generar cómo se ve alguien basándose exclusivamente en su voz.

Los investigadores abordan las consideraciones éticas en el documento, es decir, en torno al hecho de que su sistema no revela la “verdadera identidad de una persona”, sino que crea “caras de aspecto medio”.

Esto es para garantizar que no sea una invasión de privacidad.

Sin embargo, los investigadores plantearon algunas cuestiones éticas espinosas con el tipo de datos que utilizaron para su modelo.

Una de las personas incluidas en el conjunto de datos dijo a Slate que no recordaba haber firmado una renuncia para el video de YouTube en el que apareció, que terminó siendo alimentado a través del algoritmo.

Pero los videos son información pública disponible, y por lo tanto legalmente, este tipo de consentimiento no fue requerido.

“Dado que mi imagen y mi voz se destacaron como un ejemplo en el artículo de Speech2Face, en lugar de utilizar un punto de datos en un estudio estadístico, hubiera sido educado contactarme para informarme o solicitar mi permiso”, dijo Nick Sullivan, jefe de criptografía de Cloudflare, que se usó en el estudio.

Los investigadores también indicaron en su estudio que el conjunto de datos que utilizaron no es una representación precisa de la población mundial, ya que solo estaba extrayendo de un subconjunto específico de videos en YouTube.

Por lo tanto, está sesgado, un problema común entre los conjuntos de datos de aprendizaje automático.

Es ciertamente bueno que los investigadores señalasen las consideraciones éticas con su trabajo.

Por supuesto, hay varias formas en que este tipo de sistema puede ser explotado, y si alguien descubre una manera de crear representaciones aún más realistas de alguien basadas simplemente en una grabación de audio, apunta a un futuro en el que el anonimato se vuelve cada vez más difícil de lograr. Le guste o no.

Fuente: Gizmodo