ما با خالق پادکست The Joe Rogan AI Experience صحبت کردیم

در یک قسمت اخیر پادکست، می‌توانید بشنوید که جو روگان از سام آلتمن، بنیانگذار OpenAI پرسیده است که آیا جامعه باید نگران محتوای تقلبی هوش مصنوعی باشد یا خیر. چگونه می توانیم تشخیص دهیم که چه چیزی واقعی است و چه چیزی نیست؟ این یک سوال بخصوص برای این قسمت بود – زیرا کل مکالمه یک ساعته توسط هوش مصنوعی ایجاد شده بود.

بسته به اینکه از چه کسی بپرسید، هوش مصنوعی یا یک تهدید وجودی برای هر صنعت خلاق است، یک فناوری پیشگامانه است که تمدن بشری را پیش می‌برد، یا نوعی اسباب‌بازی سرگرم‌کننده و گنگ است که در نهایت تقلیدی کم رنگ از معامله واقعی است. خالق تجربه هوش مصنوعی جو روگان، نوعی پادکست هواداران یوتیوب تولید شده توسط هوش مصنوعی که مکالمات خیالی را بین روگان و یک مهمان جدید در هر قسمت به تصویر می کشد، به نوعی هر سه را باور دارد. یا حداقل، او هر سه را در طول یک مکالمه مطرح می کند هات پاد اوایل این ماه با او بود.

هوگو که از ما خواسته بود فقط از نام کوچکش برای محافظت از هویتش استفاده کنیم، مدیر خلاق یک استودیو VFX و آژانس تبلیغاتی در سیدنی، استرالیا است. هوگو سریعاً اعتراف می کند که پادکست یوتیوب او فقط برای سرگرمی است و به عنوان تهدید واقعی برای روگان واقعی یا پادکست های واقعی گوشت و خون در نظر گرفته نشده است.

شبیه‌سازی هوش مصنوعی جو روگان هوش مصنوعی در اولین قسمت از پادکست هشدار می‌دهد: «این کاملاً تخیلی است – فقط برای سرگرمی – پس به ساخت TikToks کوچک خود نروید و دنیا را مجبور کنید باور کند که من چیزهایی را گفتم که هرگز نگفتم. هوگو یک ماه پیش منتشر شد. در آن، روگان جعلی و آلتمن به همان اندازه جعلی مکالمه ای با اسکریپت ChatGPT دارند. پادکست حاصل به اندازه کافی وهم انگیز بود که روگان خودش به آن پرداخت.

روگان – واقعی – “بچه ها خیلی لغزنده خواهد شد.” نوشت در یک توییت

ایده برای تجربه هوش مصنوعی جو روگان در فوریه به Hugo آمد، زمانی که به نظر می رسید گفتمان رسانه های اجتماعی در مورد ChatGPT در اوج خود قرار دارد. او در سال گذشته به طور مرتب پیشرفت‌های هوش مصنوعی را دنبال می‌کرد و زمانی که این ایده به ذهنش خطور کرد «چند ویدیوی یوتیوب درباره شبیه‌سازی صدا» را تماشا کرد.

«اگر سعی می‌کردم یک کل تولید کنم چه می‌شد تجربه جو روگان پادکست با ChatGPT و سپس توانسته اید از یکی از آن پلتفرم های شبیه سازی صدا استفاده کنید؟ او فکر کرد.

پس از کمی جستجو در گوگل، او تعدادی از شرکت های نرم افزار صوتی هوش مصنوعی را با نمونه های نمایشی از صدای جو روگان پیدا کرد. متأسفانه، بسیاری از آنها برای استفاده عمومی چندان عالی یا در دسترس نبودند. سرانجام، پس از چند هفته جستجو، هوگو یک پلتفرم تبدیل متن به گفتار را پیدا کرد که می تواند هر صدایی را بر اساس قطعه های صوتی شبیه سازی کند. او از این پلتفرم برای صدای روگان و سایر مهمانان پادکست استفاده کرد که شامل دونالد ترامپ و اندرو تیت نیز می‌شد.

حامیان هوش مصنوعی می گویند که تولید آن سریع تر و ارزان تر از کارهای ساخته شده توسط انسان خواهد بود. اما کار ایجاد یک اسکریپت قابل استفاده در ChatGPT، پرتاب آن به یک برنامه تبدیل متن به گفتار و ویرایش صدا – همه ساعت ها کار انسان را می طلبد.

“اولین […episode] هوگو در ایمیلی نوشت. “این بسیار به جنبه های مختلف بستگی دارد، اما اصلی ترین آن نظر انتقادی من نسبت به اپیزود است. اگر از نظر من به اندازه کافی خوب نباشد، زمان زیادی را صرف درست کردن آن خواهم کرد.»

هوگو زمان زیادی را صرف جمع آوری نمونه صدا و تکمیل صداهای تولید شده توسط هوش مصنوعی خود کرد. در حالی که ایجاد اولین شبیه سازی صدای روگان آسان بود، هوگو ساعت ها وقت صرف کرد تا آن را در قسمت های بعدی به کمال برساند. حتی در آن زمان، لحظاتی پیش می‌آمد که صدای بلندگوهای او مانند رباتیک یا هوش مصنوعی بود. ویرایش فیلمنامه برای ایجاد چیزی که شبیه یک مکالمه معمولی انسانی به نظر می رسد نیز کار را انجام داد.

“[…ChatGPT] هوگو گفت واقعاً هنوز آنقدرها هم خارق العاده نیست، واقعاً با تکرار الگوهای گفتاری یک نفر. حتی اگر شخصی مانند روگان ساعت‌های بی‌شماری ضبط صدا در اینترنت در دسترس باشد – ChatGPT فقط اطلاعات مکتوب را آموزش می‌دهد. به گفته هوگو، حتی دادن متن مصاحبه‌ها به آن نیز بی‌اشتباه نیست.

«وقتی واقعاً به مکالمه بین دو نفر گوش می‌دهید، می‌بینید که آنها زیاد درباره یکدیگر صحبت می‌کنند. آنها به یکدیگر پاسخ می دهند – گاهی اوقات با پاسخ های بسیار کوتاه – و این فقط یک رفت و برگشت ثابت است.

بدون شک ساخت پادکست جو روگان ساخته شده توسط هوش مصنوعی بیشتر از زمان هوگو طول می کشد واقعی جو روگان فقط خودش این کار را می کند. پس چرا اصلاً یک پادکست تولید شده توسط هوش مصنوعی یکی از محبوب ترین پادکست ها بسازیم؟

هوگو گفت: «من می‌خواستم نسخه‌ای از پادکست جو روگان بسازم که هرگز اتفاق نمی‌افتد یا هنوز اتفاق نیفتاده است.

درست است – روگان هنوز با آلتمن یا هر یک از مهمانان دیگر که در آنها به تصویر کشیده شده اند، مصاحبه نکرده است تجربه هوش مصنوعی هوگو بر این باور است که این هدف اصلی نمایش است – اجرای گفتگوهای فرضی بین روگان و افراد دیگر. او در نهایت می‌خواهد اپیزودهایی بسازد که مهمانان مرده مانند استیو جابز یا آبراهام لینکلن را به تصویر بکشد.

من یک ساعت یا بیشتر را صرف گوش دادن به بخش هایی از آن کردم تجربه هوش مصنوعی جو روگان. در حالی که کیفیت شبیه سازی صدا غیرعادی است و ویرایش هوگو در سطح متخصص است، محتوای واقعی چیزهای زیادی را برای دلخواه باقی می گذارد. دیالوگ‌ها به گونه‌ای که اکنون با متن تولید شده توسط هوش مصنوعی مرتبط می‌شویم، لفظی و بی‌معنی است.

شخصاً صادقانه بگویم، فکر می‌کنم هنوز به جایگزینی پادکست‌های واقعی یا مکالمه واقعی نزدیک نشده‌ایم، اما می‌توانم ترس مردم را درک کنم. چون فکر نمی کنم خیلی نزدیک باشد – منظورم این است که – نزدیک است. اما اگر پادکست های زیادی از جو روگان را تماشا کرده اید، می توانید بلافاصله آن را احساس کنید […The AI Experience] هوگو گفت: واقعی نیست و فاقد احساسات و لحن صحیح است.

قسمت اول از تجربه هوش مصنوعی جو روگان نزدیک به نیم میلیون بازدید داشت (احتمالاً به دلیل توئیت روگان)، اما بینندگان در قسمت‌های بعدی کاهش یافت. این برخلاف ریمیکس‌های هوش مصنوعی آهنگ‌های دریک و هنرمندان دیگر است که به سرعت در فضای مجازی منتشر شد، اما هیئت منصفه هنوز در مورد اینکه آیا انسان‌ها واقعاً سرگرمی‌های هوش مصنوعی را به چیز واقعی ترجیح می‌دهند یا خیر، نیست.

دلایل دیگری برای نگرانی در مورد افزایش هوش مصنوعی در پادکست وجود دارد. تقلبی های دیجیتال می تواند باعث شود روگان یا هر میزبان دیگری چیزی غیرقابل قبول بیان کند. و هوگو می گوید که در حال حاضر می بیند که چگونه ابزارهای هوش مصنوعی می توانند جایگزین مشاغل خاصی در صنعت VFX شوند.

اما این بدان معنا نیست که آنها پایان برنامه های میزبانی زنده را نشان می دهند. در یک نقطه، یک را مطرح کردم کرکس مصاحبه با کمدی بنگ! انفجار! میزبان اسکات اوکرمن، جایی که او خاطرنشان می کند که پادکست ها برجسته هستند زیرا بسیاری از سرگرمی های امروزی تجویز می شوند. پادکست‌ها به ندرت دیده می‌شوند که می‌توانید خنده‌های مردم را بشنوید و «در لحظه شاد باشید».

هوگو معتقد نیست که هوش مصنوعی می تواند جایگزین این خودانگیختگی شود.

می‌دانی، وقتی شب با دوستی هستی و با هم صحبت می‌کنی، و یک ساعت بعد به مکانی کاملاً متفاوت از جایی که شروع کرده‌ای، می‌رسی؟ و متوجه می شوید که هوش مصنوعی واقعا نمی تواند این کار را انجام دهد. نحوه عملکرد مغز انسان – بسیار غیر قابل پیش بینی است.