Moet je kunstmatige intelligentie gebruiken om een ​​overleden dierbare terug te brengen?

Toen ik een foto uit de jaren 40 van mijn grootvader Max uploadde en op een paar knoppen in de Veo 3-videogenerator van Google drukte, zag ik een bekende familiefoto transformeren van zwart-wit naar kleur.

Toen stapte mijn grootvader uit het beeld en liep zelfverzekerd naar de camera, zijn legeruniform perfect strak en zijn armen zwaaiend langs de zijkanten van zijn slungelige lijf.

Het is zoiets AI laat je het nu doen – breng de doden praktisch terug.

Zoals een hilarische Saturday Night Live-sketch dit weekend benadrukte, betekent het feit dat we onze overleden dierbaren weer tot leven kunnen wekken, niet noodzakelijkerwijs dat we dat ook zouden moeten doen.

Het grillen van de hond

De schets, die Atlantische Oceaan heeft SNL’s al “Black Mirror Moment” genoemdspeelt Ashley Padilla de rol van een bejaarde grootmoeder in een verpleeghuis.

Haar familieleden – gespeeld door Sarah Sherman en Marcello Hernández – bezoeken haar op Thanksgiving en gebruiken een AI-foto-app om haar oude familiefoto’s als korte video’s tot leven te brengen.

In het begin gaat het goed. Padilla’s personage verwondert zich over een zwart-witfoto van haar vader die zwaait terwijl hij voor een draaiend reuzenrad staat.

Maar dan gaan de dingen hilarisch en voorspelbaar mis. Een foto van familieleden op een barbecue verandert in een horrortafereel wanneer de fictieve AI-app ervoor zorgt dat Padilla’s vader (gespeeld door presentator Glen Powell) de familiehond roostert, die toevallig geen hoofd heeft.

Terwijl andere beelden tot leven komen, betaalt Padilla’s vader een bowlingmaatje om een ​​onfatsoenlijke daad te verrichten, en op een babyfoto splitst de torso van haar moeder zich van haar lichaam en zweeft rond het frame terwijl op de achtergrond een atoombom ontploft.

De sketch is grappig omdat hij zo herkenbaar is. Iedereen die met AI-videogeneratoren heeft gespeeld, weet dat ze heerlijk eigenzinnige aannames kunnen doen over de wetten van de natuurkunde – vaak met spectaculaire resultaten.

In mijn test van AI-videogenerator RunwayML vroeg ik het model bijvoorbeeld een video te maken van een speels katje bij zonsondergang.

Het begint lief genoeg, tot het kitten splitst zich in tweeënwaarbij de voorste helft het podium rechts probeert te verlaten, terwijl de achterste helft adorabel rond blijft lopen.

Laat me de bewegingen zien

Videogeneratoren maken deze fouten vanwege de manier waarop ze zijn getraind. Terwijl een op tekst gebaseerd AI-model kan leren door vrijwel elk boek, website of andere tekstuele gegevens te lezen ooit gepubliceerdde hoeveelheid trainingsklare video-inhoud is veel beperkter.

De meeste AI-videogeneratoren oefening op video’s van sociale mediaplatforms zoals YouTube. Dit betekent dat ze goed zijn in het maken van het soort video’s dat vaak op deze platforms te zien is.

Zoals ik al eerder heb aangetoond, als je wilt dat mensen bruidstaarten omgooien of verhitte discussies hebben met hun huisgenoten, kunnen videogeneratoren zoals Veo en Sora blink uit in het maken ervan.

Voor minder vaak uitgezonden scènes zijn de beschikbare trainingsgegevens echter veel beperkter.

De meeste online video’s laten bijvoorbeeld interessante dingen zien die gebeuren. Mensen plaatsen zelden urenlange clips van zichzelf terwijl ze rondlopen (of, zoals SNL, een baby vasthouden of een hotdog grillen) op YouTube of Instagram.

Deze video’s zouden zo ongeneeslijk saai zijn dat niemand ze zou willen bekijken. Toch zijn grote hoeveelheden video van dit soort saaie dagelijkse activiteiten precies wat AI-bedrijven nodig hebben om hun videogeneratoren goed te trainen.

Dit heeft een fascinerende markt voor dergelijke clips gecreëerd. Bedrijven vinden het leuk Wafel filmpje komt naar voren om in de behoefte te voorzien door makers te betalen om zichzelf te filmen terwijl ze dingen doen zoals het hakken van groenten of het schrijven van specifieke woorden op stukjes papier voor AI-training.

Totdat AI-bedrijven meer video’s van dit soort alledaagse acties in handen kunnen krijgen, zullen AI-videogeneratoren moeite hebben om deze te emuleren.

Ironisch genoeg zijn videogeneratoren momenteel goed in het weergeven van fantasierijke, dramatische actie. Vraag ze echter om het soort alledaagse taferelen te creëren dat je zou tegenkomen op een oude zwart-wit familiefoto, en je krijgt Fido op de ‘barbie’.

Oma weer tot leven wekken?

Dit alles brengt ons bij de vraag: moet je de huidige AI-tools gebruiken om je overleden dierbaren weer tot leven te wekken?

Mijn beste advies: wacht even.

AI-videotechnologie ontwikkelt zich ongelooflijk snel. De eerste tools om beweging toe te voegen aan familiefoto’s –zoals Deep Nostalgia uit My Heritagedie in 2021 werd gelanceerd – gebruikten machine learning om hun magie te bewerken.

De techniek voelde destijds revolutionair. Tegenwoordig ziet het er primitief uit vergeleken met full-motion scènes zoals mijn door Veo geanimeerde grootvader.

En zelfs met deze vooruitgang houden Veo en zijn soortgenoten nog steeds stand avocado-stoelmoment.

Beeldgeneratoren zijn enorm verbeterd naarmate hun makers ze beter konden trainen. Videogeneratoren zullen vergelijkbare grote verbeteringen zien – vooral omdat AI-bedrijven miljoenen investeren in het kopen van op maat gemaakte trainingsgegevens over dagelijkse bewegingen.

Persoonlijk bracht ik een foto van mijn grootvader tot leven omdat ik dacht dat de echte grootvader Max dit wel grappig zou vinden. Ik heb me er echter tegen verzet om beelden van onlangs overleden dierbaren weer tot leven te wekken, om veel van de redenen die impliciet in de schets van SNL worden genoemd.

Familiefoto’s zijn intieme dingen. Het is mooi om je overleden dierbare te zien glimlachen en naar je zwaaien. Het zou echter verontrustend zijn om ze in tweeën te zien splijten of te zien exploderen in een nucleaire vuurbal – en iets dat je niet meer zou kunnen zien als je het eenmaal uit de diepten van Sora of Veo’s siliciumbrein had opgeroepen.

Zolang we er niet op kunnen vertrouwen dat AI-modellen dit soort distributieve, willekeurige visuele omwegen vermijden, mogen we ze niet onze meest dierbare herinneringen toevertrouwen.

Een splijtend katje is hilarisch. Een grootmoeder die verdeeldheid zaait, in mindere mate.