حكايات من التفرد الثقافي
يقدم Google’s Veo 3 مقاطع فيديو من الذكاء الاصطناعي للأشخاص الواقعيين الذين لديهم صوت وموسيقى. نضعه في الاختبار.
صورة ثابتة من فيديو VEO 3 الذي تم إنشاؤه من الذكاء الاصطناعى “A 1980s fitness video with models in leotards wearing werewolf masks.” الائتمان: جوجل
الأسبوع الماضي ، جوجل”https://blog.google/technology/ai/generative-media-models-io-2025/#veo-3″> قدم VEO 3، أحدث نموذج لتوليد الفيديو الذي يمكنه إنشاء مقاطع مدتها 8 ثوان مع المؤثرات الصوتية المتزامنة وحوار الصوت-وهو الأول لأدوات AI للشركة. النموذج ، الذي ينشئ مقاطع فيديو بدقة 720 بكسل (استنادًا إلى أوصاف نصية تسمى “prompts” أو مدخلات الصورة الثابتة) ، يمثل ما قد يكون أكثر مولد الفيديو للمستهلكين قدرًا حتى الآن ، مما يجعل توليف الفيديو بالقرب من النقطة التي أصبح من الصعب للغاية التمييز بينها “authentic” ووسائل الإعلام التي أنشأها الذكاء الاصطناعي.
جوجل أيضا”https://labs.google/fx/tools/flow”> أطلق التدفق، أداة صناعة الأفلام AI عبر الإنترنت تجمع بين VEO 3 مع نموذج صور Imagen 4 للشركة ونموذج لغة الجوزاء ، مما يسمح للمبدعين بوصف المشاهد باللغة الطبيعية وإدارة الأحرف والمواقع والأنماط المرئية في واجهة ويب.
فيديو تم إنشاؤه من الذكاء الاصطناعى من Veo 3: “ASMR scene of a woman whispering “Moonshark” into a microphone while shaking a tambourine”
كلتا الأداة متاحة الآن للمشتركين في Google AI Ultra ، وهي خطة تكلف 250 دولارًا في الشهر وتأتي مع 12500 ساعة معتمدة. تكلف VEO 3 مقاطع فيديو 150 ساعة معتمدة لكل جيل ، مما يسمح 83 مقطع فيديو على تلك الخطة قبل نفادك. تتوفر ائتمانات إضافية بسعر 1 في المائة لكل ائتمان في كتل بقيمة 25 دولارًا أو 50 دولارًا أو 200 دولار. هذا يصل إلى حوالي 1.50 دولار لكل جيل الفيديو. ولكن هل السعر يستحق كل هذا العناء؟ أجرينا بعض الاختبارات مع العديد من المطالبات لمعرفة ما هي هذه التكنولوجيا قادرة حقا.
كيف يعمل VEO؟
مثل نماذج توليد الفيديو الحديثة الأخرى ، تم تصميم VEO 3 على تكنولوجيا الانتشار – نفس النهج الذي يشبه مولدات الصور”https://arstechnica.com/information-technology/2022/09/with-stable-diffusion-you-may-never-believe-what-you-see-online-again/”> انتشار مستقر و”https://arstechnica.com/information-technology/2024/08/flux-this-new-ai-image-generator-is-eerily-good-at-creating-human-hands/”> التدفق. تعمل عملية التدريب من خلال أخذ مقاطع فيديو حقيقية وإضافة ضوضاء تدريجياً إليها حتى تصبح ثابتة خالصة ، ثم تدريس شبكة عصبية لعكس هذه العملية خطوة بخطوة. أثناء الجيل ، يبدأ VEO 3 بالضوضاء العشوائية ومطالبة النص ، ثم يقوم بتكرار هذا الضوضاء في مقطع فيديو متماسك يطابق الوصف.
فيديو تم إنشاؤه من الذكاء الاصطناعى من Veo 3: “An old professor in front of a class says, ‘Without a firm historical context, we are looking at the dawn of a new era of civilization: post-history.'”
لن يقول DeepMind بالضبط أين حصل على المحتوى لتدريب Veo 3 ، لكن YouTube هو احتمال قوي. تمتلك Google YouTube و DeepMind”https://techcrunch.com/2025/05/20/googles-veo-3-can-generate-videos-and-soundtracks-to-go-along-with-them/”> أخبرت سابقا TechCrunch أن طرز جوجل مثل VEO “may” تدرب على بعض مواد يوتيوب.
من المهم أن نلاحظ أن VEO 3 عبارة عن نظام يتكون من سلسلة من نماذج الذكاء الاصطناعى ، بما في ذلك نموذج لغة كبير (LLM) لتفسير مطالبات المستخدم للمساعدة في إنشاء الفيديو التفصيلي ، ونموذج نشر الفيديو لإنشاء الفيديو ، ونموذج توليد الصوت الذي يطبق الصوت على الفيديو.
فيديو تم إنشاؤه من الذكاء الاصطناعى من Veo 3: “A male stand-up comic on stage in a night club telling a hilarious joke about AI and crypto with a silly punchline.” كتب نموذج لغة الذكاء الاصطناعى المدمج في Veo 3 النكتة.
في محاولة لمنع سوء الاستخدام ، تقول DeepMind إنها تستخدم تقنية علامات المياه الخاصة بها ،”https://arstechnica.com/ai/2025/05/google-launches-online-portal-to-detect-watermarked-ai-content/”> synthid، لتضمين علامات غير مرئية في إطارات توليد VEO 3. تستمر هذه العلامات المائية حتى عندما يتم ضغط مقاطع الفيديو أو تحريرها ، مما يساعد الأشخاص على تحديد المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعى. كما سنناقش المزيد لاحقًا ، قد لا يكون هذا كافياً لمنع الخداع.
تقوم Google أيضًا بالرقابة على بعض المطالبات والمخرجات التي تخرق اتفاقية محتوى الشركة. أثناء الاختبار ، واجهنا “generation failure” تشير الرسائل لمقاطع الفيديو التي تتضمن مواد رومانسية وجنسية ، وبعض أنواع العنف ، إلى بعض الخصائص الوسائط ذات العلامات التجارية أو المحمية بحقوق الطبع والنشر ، وبعض أسماء الشركات ، وبعض المشاهير ، وبعض الأحداث التاريخية.
وضع VEO 3 على الاختبار
ربما كان التغيير الأكبر مع VEO 3 هو توليد صوتي متكامل ، على الرغم من أن META عرضت قدرة على الجيل الصوتي مماثلة مع “Movie Gen” في أكتوبر الماضي ، قام باحثو الذكاء الاصطناعى بتجربة استخدام AI لإضافة الموسيقى التصويرية إلى مقاطع الفيديو الصامتة”https://venturebeat.com/ai/researchers-ai-system-infers-music-from-silent-videos-of-musicians/”> لبعض الوقت. Google Deepmind نفسها”https://deepmind.google/discover/blog/generating-audio-for-video/”> أظهر نموذج لتوليد الموسيقى التصويرية الذكاء الاصطناعى في يونيو 2024.
فيديو تم إنشاؤه من الذكاء الاصطناعى من Veo 3: “A middle-aged balding man rapping indie core about Atari, IBM, TRS-80, Commodore, VIC-20, Atari 800, NES, VCS, Tandy 100, Coleco, Timex-Sinclair, Texas Instruments”
يمكن لـ VEO 3 إنشاء كل شيء بدءًا من أصوات حركة المرور إلى حوار الموسيقى وحوار الشخصيات ، على الرغم من أن الاختبار المبكر يكشف عن مواطن خلل في بعض الأحيان. السباغيتي تصدر أصوات الطحن عند تناولها (مثل”https://arstechnica.com/ai/2025/05/googles-will-smith-double-is-better-at-eating-ai-spaghetti-but-its-crunchy/”> لقد غطينا الأسبوع الماضي، مع إشارة إلى فيديو Will Smith AI Spaghetti الشهير) ، وفي مشاهد مع العديد من الأشخاص ، يأتي الحوار أحيانًا من فم الشخصية الخاطئة. لكن بشكل عام ، يبدو Veo 3 وكأنه تغيير خطوة في جودة تخليق الفيديو والتماسك على النماذج من”https://arstechnica.com/information-technology/2024/02/openai-collapses-media-reality-with-sora-a-photorealistic-ai-video-generator/”> Openaiو”https://arstechnica.com/information-technology/2024/07/we-made-a-cat-drink-a-beer-with-runways-ai-video-generator-and-it-sprouted-hands/”> المدرجو”https://arstechnica.com/ai/2024/10/is-china-pulling-ahead-in-ai-video-synthesis-we-put-minimax-to-the-test/”> الحد الأدنىو”https://pikartai.com/pika-2-0/”> بيكاو”https://arstechnica.com/ai/2024/10/metas-new-movie-gen-ai-system-can-deepfake-video-from-a-single-photo/”> metaو”https://www.klingai.com/global/”> kling، و”https://arstechnica.com/ai/2024/12/a-new-uncensored-ai-video-model-may-spark-a-new-ai-hobbyist-movement/”> Hunyuanvideo.
تميل مقاطع الفيديو أيضًا إلى إظهار ترجمات مشوهة تتطابق مع الكلمات المنطوقة تقريبًا ، وهي قطعة أثرية من الترجمة على مقاطع الفيديو الموجودة في بيانات التدريب. نموذج الذكاء الاصطناعي هو تقليد ما لديه “seen” قبل.
فيديو تم إنشاؤه من الذكاء الاصطناعى من Veo 3: “A beer commercial for ‘CATNIP’ beer featuring a real a cat in a pickup truck driving down a dusty dirt road in a trucker hat drinking a can of beer while country music plays in the background, a man sings a jingle ‘Catnip beeeeeeeeeeeeeeeeer’ holding the note for 6 seconds”
أنشأنا كل من مقاطع الفيديو التي تبلغ مدتها ثماني ثوانٍ 720 بكسل والتي شوهدت أدناه باستخدام”https://labs.google/fx/tools/flow”> منصة تدفق Google. استغرق كل جيل مقطع فيديو حوالي ثلاث إلى خمس دقائق لإكماله ، ودفعنا ثمنهم بأنفسنا. من المهم أن نلاحظ أن نتائج أفضل تأتي من انتقاء الكرز-تبرز نفس الموجه عدة مرات حتى تجد نتيجة جيدة. بسبب التكلفة وروح الاختبار ، ركضنا كل موجه مرة واحدة فقط ، ما لم يلاحظ.
مطالبات الصوت الجديدة
دعنا نغوص مباشرة في النهاية العميقة مع توليد الصوت للحصول على قبضة على ما يمكن أن تفعله هذه التكنولوجيا. لدينا”https://arstechnica.com/ai/2025/05/googles-will-smith-double-is-better-at-eating-ai-spaghetti-but-its-crunchy/”> مبين سابقا أنت رجل يغني عن السباغيتي وسمك القرش الراب في آخر قطعة Veo 3 ، ولكن إليك بعض الحوار الأكثر تعقيدًا.
منذ عام 2022 ، كنا”https://arstechnica.com/information-technology/2022/11/midjourney-turns-heads-with-quality-leap-in-new-ai-image-generator-version/”> باستخدام الموجه “a muscular barbarian with weapons beside a CRT television set, cinematic, 8K, studio lighting” لاختبار مولدات الصور AI مثل Midjourney. حان الوقت لإحضار هذا البربري إلى الحياة.
رجل بربري عضلي يحمل فأسًا ، يقف بجانب جهاز تلفزيون CRT. إنه ينظر إلى التلفزيون ، ثم إلى الكاميرا ويقول حرفيًا ، “You’ve been looking for this for years: a muscular barbarian with weapons beside a CRT television set, cinematic, 8K, studio lighting. Got that, Benj?”
يمثل الفيديو أعلاه تقدمًا تقنيًا كبيرًا في تخليق وسائل الإعلام الذكاء الاصطناعى على مدار ثلاث سنوات فقط. لقد انتقلنا من بربري لا يزال ملونًا لا يزال يلوين إلى رجل واقعية يتحدث إلينا في 720 بكسل مع الصوت. والجدير بالذكر أن هناك أي سبب للاعتقاد بالقدرة التقنية في جيل الذكاء الاصطناعي سوف تبطئ من هنا.
فيلم رعب: امرأة خائفة في جماعة فيكتورية تمر عبر غابة ، لقطة دولي ، التي طاردها رجل يرتدي زي الفول السوداني يصرخ ، “Wait! You forgot your wallet!”
مقطورة لقطار كرة السلة المسكون: فيلم تيم بيرتون حيث يتم عالق نجم كرة السلة في التسعينيات في نهاية قطار ركاب مسكون مع سيارات كرة السلة ، والطريقة الوحيدة للبقاء على قيد الحياة هي الوصول إلى المحرك عن طريق التغلب على أشباح مختلفة في كرة السلة في كل سيارة
فيديو ASMR لرجل بربري عضلي يهمس ببطء في الميكروفون ، “You love CRTs, don’t you? That’s OK. It’s OK to love CRT televisions and barbarians.”
تظهر PBS في الثمانينات عن رجل لديه لحية يتحدث عن كيف يمكن لجهاز الكمبيوتر الخاص به Apple II “connect to the world through a series of tubes”
مقطع فيديو للياقة البدنية في الثمانينات مع نماذج في ثياب ترتدي أقنعة ذئب بالذئب
معالج أنثى ينظر إلى الكاميرا ، مكالمة تكبير. تقول ، “Oh my lord, look at that Atari 800 you have behind you! I can’t believe how nice it is!”
مع هذه التكنولوجيا ، يمكن للمرء بسهولة أن يتخيل عالمًا افتراضيًا من شخصيات الذكاء الاصطناعي المصمم لإلغاء الأشخاص. هذا مثال بريء إلى حد ما حول جهاز كمبيوتر قديم ، ولكن يمكنك استقراء ، مما يجعل الشخص المزيف يتحدث عن أي موضوع على الإطلاق. هناك حدود ناتجة عن مرشحات Google ، ولكن من ما رأيناه في الماضي ، من المحتمل جدًا أن تكون هناك نسخة مستقبلية غير خاضعة للرقابة من مولد فيديو AI قادر على ذلك.
لقطة الشاشة للمكالمات فيديو لدردشة التكبير. طبيب نفساني في مكتب المعالج المظلم المريح. المعالج يقول بصوت ودود ، “Hi Tom, thanks for calling. Tell me about how you’re feeling today. Is the depression still getting to you? Let’s work on that.”
في الستينيات من القرن الماضي ، لقطات ناسا الأولى التي تنطلق على سطح القمر ، الذي يسحق في كومة من الطين ويصرخ بصوت هيلبيلي ، “What in tarnation??”
مقابلة أخبار تلفزيونية محلية لبرابري عضلي يتحدث عن سبب حمله دائمًا على تلفزيون CRT معه
عند الحديث عن المقابلات الإخبارية المزيفة ، يمكن VEO 3 أن يولد الكثير من المذيعين المحادثات ، على الرغم من أن النص على الشاشة يتم تشويهه في بعض الأحيان إذا لم تحدد بالضبط ما يجب أن تقوله. إنه في مثل هذه الحالات حيث يبدو أن Veo 3 قد يكون أكثر فعالية في خداع وسائل الإعلام غير الرسمية.
لقطات من تقرير إخباري عن روسيا تغزو الولايات المتحدة
محاولات في الموسيقى
يمكن لمولد الصوت من AI في VEO 3 إنشاء موسيقى في أنواع مختلفة ، على الرغم من أن النتائج في الممارسة العملية تبسيط عادةً. ومع ذلك ، إنها قدرة جديدة لمولدات الفيديو AI. فيما يلي بعض الأمثلة في مختلف الأنواع الموسيقية.
عرض برنامج تلفزيوني لبرابرة مجنونة مع صور أشقر من أصل أفريقي للأشجار ، والغناء “HAPPY BIG TREES” لبعض الموسيقى بينما يرسم
يركب رعاة البقر في الخمسينيات من القرن الماضي إلى الكاميرا ويغني في موسيقى الريف ، “I love mah biiig ooold donkeee”
تقود فرقة الشعر المعدنية في الثمانينات إلى الكاميرا وتغني في موسيقى الروك ، “Help me with my huge huge huge hair!”
يظهر أطفال Mister Rogers ‘PBS Kids مقدمة مقدمة مع صخرة حمض المخدرات والأضواء الملونة
مجموعة موسيقى الجاز الموسيقية في الخمسينيات مع مغنية سكات تغني عن المخللات وسط رطبة
بعض المطالبات الكلاسيكية من الاختبارات السابقة
تأتي المطالبات أدناه من اختبارات الفيديو السابقة الخاصة بنا”https://arstechnica.com/information-technology/2024/07/we-made-a-cat-drink-a-beer-with-runways-ai-video-generator-and-it-sprouted-hands/”> Gen-3و”https://arstechnica.com/ai/2024/10/is-china-pulling-ahead-in-ai-video-synthesis-we-put-minimax-to-the-test/”> Video-01والمصدر المفتوح”https://arstechnica.com/ai/2024/12/a-new-uncensored-ai-video-model-may-spark-a-new-ai-hobbyist-movement/”> Hunyuanvideo، حتى تتمكن من العودة إلى تلك المقالات ومقارنة النتائج إذا كنت ترغب في ذلك. بشكل عام ، يبدو أن VEO 3 لديها تماسك زمني أكبر بكثير (وجود موضوع أو موضوع ثابت بمرور الوقت) من نماذج توليف الفيديو السابقة التي قمنا باختبارها. لكن بالطبع ، هذا ليس مثاليًا.
شخص ذكي للغاية يقرأ “ARS Technica” على جهاز الكمبيوتر الخاص بهم عندما تنفجر الشاشة
القمر القفز من شاشة الكمبيوتر ويهاجم شخص ما
قطيع من مليون قطط يركض على جانب التل ، منظر جوي
لقطات ألعاب الفيديو لعبة منصة ثلاثية الأبعاد ديناميكية في التسعينيات
لقطة جوية لمدينة أمريكية صغيرة يتم تغطيتها بالجبن السائل بعد عاصفة ممطرة جبن ضخمة حيث أمطرت الجبن السائل وتجفيفها في جميع أنحاء المباني
لقطة واسعة الزاوية ، بدءًا من Sasquatch في وسط المسرح مع حديث Ted عن الفطر ، ثم تكبير ببطء لالتقاط Expre الوجه والإيماءات ssive ، قبل أن تضع الجمهور اليقظ
أغنية راب رحلة حول Ars Technica التي تغنى بها رجل يرتدي زيًا كبيرًا من سمك القرش المطاطي على خشبة المسرح مع اكتمال القمر في الخلفية
بعض حالات الفشل البارزة
ليس Google’s Veo 3 مثاليًا في توليف كل سيناريو يمكننا رميه بسبب قيود بيانات التدريب. مثل”https://arstechnica.com/information-technology/2024/07/we-made-a-cat-drink-a-beer-with-runways-ai-video-generator-and-it-sprouted-hands/”> لاحظنا في تغطيتنا السابقة ، تظل مولدات فيديو الذكاء الاصطناعى مقلدة بشكل أساسي ، مما يجعل التنبؤات بناءً على أنماط إحصائية بدلاً من فهم حقيقي للفيزياء أو كيفية عمل العالم.
على سبيل المثال ، إذا رأيت أفواه تتحرك أثناء الكلام ، أو تجاعيد الملابس بطريقة معينة عند لمسها ، فهذا يعني أن الشبكة العصبية تقوم بتوليد الفيديو “seen” ما يكفي من أمثلة مماثلة لتلك السيناريو في بيانات التدريب لجعل مقنعا له وتطبيقه على مواقف مماثلة.
ومع ذلك ، عندما لا يتم تمثيل موقف جديد (أو مزيج من الموضوعات) بشكل جيد في بيانات التدريب ، سترى “impossible” أو تحدث أشياء غير منطقية ، مثل أجزاء الجسم الغريبة ، والملابس التي تظهر بطريقة سحرية ، أو كائن “shatters” ولكن لا يزال في المشهد بعد ذلك ، كما سترى أدناه.
ذكرنا مواطن الخلل في الصوت والفيديو في المقدمة. على وجه الخصوص ، تخلط المشاهد مع العديد من الأشخاص أحيانًا بين الشخصية التي تتحدث ، مثل هذه الحجة بين عشاق التكنولوجيا.
نقاش تلفزيوني في 2000s بين عشاق PowerPC و Intel Pentium Chips
بومباستيك الثمانينات من القرن العشرين ل “Ars Technica” خدمة عبر الإنترنت. مع موسيقى الخلفية الجبن وشهادات المستخدم
الثمانينيات من القرن الماضي ، رامبو يقاتل السوفييت على القمر
في بعض الأحيان لا تكون الطلبات منطقية متماسكة. في هذه الحالة ، “Rambo” هو بشكل صحيح على القمر يطلق مسدسًا ، لكنه لا يرتدي ملابس الفضاء. إنه أكثر صرامة مما كنا نعتقد.
رسم بياني متحرك يوضح عدد الأقراص المرنة التي سيستغرقها الاحتفاظ بتثبيت Windows 11
تمثل كميات كبيرة من النص أيضًا نقطة ضعف ، ولكن إذا تم تحديد اقتباس نص قصير بشكل صريح في المطالبة ، فإن VEO 3 عادة ما يحصل عليه بشكل صحيح.
امرأة شابة تقوم بروتين جمباز معقد في الألعاب الأولمبية ، تتميز بالركض ويقلب
على الرغم من تقدم VEO 3 في التماسك الزمني وتوليد الصوت ، فإنه لا يزال يعاني من ذلك “jabberwockies” لقد رأينا في فيديو لاعبة الجمباز في Openai-تلك الهلوسة غير المعقولة للفيديو مثل أجزاء الجسم المستحيلة.
مجموعة سخيفة من الرجال والنساء على الطريق ، غناء “CHEEEESE” وعقد الملاحظة لمدة 8 ثوان قبل السقوط.
مقطع فيديو على طراز YouTube لشخص يحاول على مختلف أزياء Corncob. يصرخون “Corncob haul!!”
رجل مصنوع من الزجاج يركض في جدار من الطوب ويحطم ، يصرخ
رجل يرتدي ملابس فضائية يحمل 5 أصابع ويعد حتى الصفر ، ثم ينفجر في الفضاء مع أحذية الصواريخ
يعد العد التنازلي بالأصابع أمرًا صعبًا على VEO 3 ، على الأرجح لأنه لم يتم تمثيله جيدًا في بيانات التدريب. بدلاً من ذلك ، من المحتمل أن تظهر الأيدي عادةً في بضع مواقع مثل قبضة ، ونخيل مفتوح من خمسة أصابع ، وعلامة سلام ذات إصبعين ، والرقم الأول.
مع ظهور بنيات جديدة وتتدرب النماذج المستقبلية على مجموعات بيانات أكبر إلى حد كبير مع المزيد من الحساب بشكل كبير ، من المحتمل أن تضع هذه الأنظمة روابط إحصائية أعمق بين المفاهيم التي يلاحظونها في مقاطع الفيديو ، وتحسين الجودة بشكل كبير وأيضًا القدرة على التعميم أكثر مع مطالبات جديدة.
“التفرد الثقافي” قادم – ما الذي تبقى أكثر من ذلك؟
في الوقت الحالي ، قد يشعر البعض منكم بالقلق من أننا في ورطة كمجتمع بسبب الخداع المحتمل من هذا النوع من التكنولوجيا. وهناك سبب وجيه للقلق: يعتمد النظام الغذائي الأمريكي للثقافة البوب حاليًا على مقاطع تشترك فيها الغرباء من خلال وسائل التواصل الاجتماعي مثل Tiktok ، والآن يمكن أن يكون كل ذلك مزيفًا بالكامل. يمكن للأجيال الآلية من الأشخاص المزيفين الآن أن تجادل في مواقف أيديولوجية بطريقة يمكن أن تلتاعب الجماهير.
فيديو تم إنشاؤه بواسطة AI بواسطة Veo 3: “A man on the street interview about someone who fears they live in a time where nothing can be believed”
يمكن (وقد تم معالجة مقاطع الفيديو هذه (وتم معالجتها من خلال وسائل مختلفة قبل VEO 3 ، ولكن الآن قد انهار حاجز الدخول من طلب مهارات متخصصة ، وبرامج باهظة الثمن ، وساعات من العمل المضني ببساطة لكتابة موجه وانتظار ثلاث دقائق. ما يطلب من فريق من الفنانين VFX أو على الأقل شخص ما كفاءة في الآثار بعد ذلك الآن من قبل أي شخص لديه بطاقة ائتمان واتصال بالإنترنت.
ولكن دعونا نأخذ لحظة لالتقاط أنفاسنا. في ARS Technica ، كنا نحذر من الإمكانات الخادعة للوسائط الواقعة التي يتم إنشاؤها من الذكاء الاصطناعي منذ ذلك الحين”https://arstechnica.com/science/2019/12/how-i-created-a-deepfake-of-mark-zuckerberg-and-star-treks-data/”> على الأقل 2019. في عام 2022 ، تحدثنا عن مولد صورة الذكاء الاصطناعي”https://arstechnica.com/information-technology/2022/09/with-stable-diffusion-you-may-never-believe-what-you-see-online-again/”> انتشار مستقروالقدرة على”https://arstechnica.com/information-technology/2022/12/thanks-to-ai-its-probably-time-to-take-your-photos-off-the-internet/”> تدريب الناس في نماذج صورة AI مخصصة. ناقشنا سورا “collapsing media reality” وتحدث عن الشك في وسائل الإعلام المستمرة خلال “deep doubt era.”
فيديو تم إنشاؤه مع الذكاء الاصطناعى مع Veo 3: “A man on the street ranting about the ‘cultural singularity’ and the ‘cultural apocalypse’ due to AI”
أنا أيضاً”https://www.fastcompany.com/90549441/how-to-prevent-deepfakes”> كتب بالتفصيل حول القدرة المستقبلية للأشخاص على تلويث السجل التاريخي مع الضوضاء الناتجة عن الذكاء الاصطناعى. في هذه القطعة ، استخدمت المصطلح “cultural singularity” للدلالة على وقت تصبح فيه الحقيقة والخيال في وسائل الإعلام لا يمكن تمييزها ، ليس فقط بسبب الطبيعة الخادعة للمحتوى الذي تم إنشاؤه من الذكاء الاصطناعى ولكن أيضًا بسبب الكميات الهائلة من الوسائط المولدة من الذكاء الاصطناعى و AI-AI-Augmented.
ومع ذلك ، في مقال كتبت العام الماضي عن”https://arstechnica.com/information-technology/2024/09/my-dead-father-is-writing-me-notes-again/”> استنساخ خط اليد لأبي باستخدام الذكاء الاصطناعي ، توصلت إلى استنتاج مفاده أن مخاوفي السابقة بشأن التفرد الثقافي قد تكون مبالغ فيها. لطالما كانت وسائل الإعلام عرضة للتزوير منذ العصور القديمة ؛ الثقة في أي اتصال عن بُعد يعتمد في النهاية على الثقة بمصدره.
فيديو تم إنشاؤه مع الذكاء الاصطناعى مع Veo 3: “A news set. There is an ‘Ars Technica News’ logo behind a man. The man has a beard and a suit and is doing a sit-down interview. He says “هذا هو عصر ما بعد التاريخ: عصر جديد للحضارة حيث يكون السجل التاريخي مليئًا بالتصنيع بحيث يصبح بلا معنى بشكل فعال. ”
كان لدى الرومان قوانين ضد التزوير في 80 قبل الميلاد ، وكان الناس يدرسون الصور منذ اختراع الوسيط. ما تغير ليس إمكانية الخداع ولكن إمكانية وصوله وحجمه.
مع قدرة VEO 3 على توليد مقطع فيديو مقنع مع حوار متزامن ومؤثرات صوتية ، فإننا لا نشهد ولادة الخداع الإعلامي – سنرى الديمقراطية الجماهيرية. ما تكلفه ملايين الدولارات في هوليوود ، يمكن الآن إنشاء مؤثرات خاصة لتغيير الجيب.
مقطع فيديو تم إنشاؤه بواسطة AI تم إنشاؤه باستخدام Google Veo-3: “A candid interview of a woman who doesn’t believe anything she sees online unless it’s on Ars Technica.”
نظرًا لأن هذه الأدوات تصبح أكثر قوة وبأسعار معقولة ، فإن الشكوك في وسائل الإعلام ستنمو. لكن السؤال ليس ما إذا كان بإمكاننا الوثوق بما نراه ونسمعه. ما إذا كان بإمكاننا الوثوق بمن يعرضها لنا. في عصر يمكن لأي شخص أن يولد مقطع فيديو واقعيًا لأي شيء مقابل 1.50 دولار ، تصبح مصداقية المصدر مرساة أساسية للحقيقة. لم تكن الوسيلة هي الرسالة أبدًا – كان الرسول دائمًا.
Benj Edwards هو مراسل ARS Technica من الذكاء الاصطناعى ومؤسس AI المتفاني من الذكاء الاصطناعي في عام 2022. كما أنه مؤرخ تقني مع ما يقرب من عقدين من الخبرة. في وقت فراغه ، يكتب ويسجل الموسيقى ، ويجمع أجهزة الكمبيوتر القديمة ، ويتمتع بالطبيعة. يعيش في رالي ، نورث كارولاينا.