Star Trek deepfake

News

Video della settimana: William Shatner contro il deepfake di Star Trek

Alfonso Maruccia | 3 Ottobre 2020

IA Serie TV Video della settimana

Il mitico capitano James T. Kirk non gradisce un recente deepfake a tema Star Trek, un video che mischia film e generazioni diverse per un risultato che, a dire dell’attore, è offensivo per la categoria.

Ci sono deepfake “storici” potenzialmente in grado di offendere interi popoli e milioni di persone, e poi ci sono i deepfake capaci di far venire la luna storta a una delle icone della fantascienza televisiva e cinematografica degli ultimi 60 anni. L’icona in questione è William Shatner, ovvero colui che ha prestato movenze e volto al primo capitano dell’Enterprise nella Serie Originale di Star Trek.

Dopo Kirk, com’è noto, Star Trek ha dato origine a innumerevoli serie, sequel e film che continuano ancora oggi a intrattenere gli appassionati della saga. Le ultime tre pellicole di ST appartengono alla cosiddetta linea temporale Kelvin, un futuro alternativo in cui un vascello minerario romulano attacca la Federazione uccidendo il padre di Kirk.

Il canale YouTube di Futuring Machine ha di recente pubblicato un video chiamato Star Trek: The First Generation, un deepfake che mischia i volti dei protagonisti storici di TOS (Kirk, Spock, il dottor McCoy e altri) con pellicole del passato e i tre film della Kelvin timeline. Il video vorrebbe tratteggiare la narrazione in prima persona di un’avventura di Kirk da giovane, ma è stato lo stesso Kirk (cioè Shatner) a non aver appezzato l’iniziativa non richiesta.

Rispondendo su Twitter a quanti gli chiedevano un commento a riguardo, l’attore americano ha definito il deepfake The First Generation “offensivo”. La clip è accettabile come scherzo ma offende un attore sfruttando il duro lavoro svolto da altri attori. E’ puro semplice plagio, dice Shatner, che concede di non essere il “proprietario” di Star Trek ma rimarca la dignità del lavoro di un interprete contro la semplice scopiazzatura creata da Futuring Machine.

Blob Opera

Tech

Blob Opera, l’esperimento operistico di Google a base di machine learning

Alfonso Maruccia | 17 Dicembre 2020

Google IA Servizi Web

Gli algoritmi intelligenti del machine learning danno vita a Blob Opera, ennesimo esperimento pubblicato da Google con un focus sul canto operistico.

Sfruttando le capacità del machine learning, David Li e Google hanno dato vita a Blob Opera, l’ennesimo esperimento pensato per esemplificare le possibili applicazioni degli algoritmi intelligenti. Una applet Web canterina, dove la voce (reale) dei cantanti viene gestita e armonizzata in automatico dalla IA.

Blob Opera è un esperimento interattivo in cui l’utente può “manipolare” le voci di basso, tenore, soprano e mezzo soprano, stabilendo il tono con un movimento verticale e la vocale con un movimento orizzontale da destra a sinistra. Il controllo riguarda un solo “blob” alla volta, mentre gli altri cantanti gommosi fanno da accompagnamento grazie agli algoritmi della IA.

Com’è tipico delle applicazioni di machine learning, dietro Blob Opera c’è un lungo lavoro di training della IA basato su dati e performance reali. Grazie al coinvolgimento di Google, il designer David Li ha potuto contare sulla registrazione di 16 ore di materiale e vocalizzazioni a opera del tenore Christian Joel, del basso Frederick Tong, del soprano Olivia Doutney e del mezzo soprano Joanna Gamble.

Oltre al controllo dei singoli blog canterini, l’esperimento Blob Opera permette all’utente di registrare le proprie composizioni e di condividerle tramite social network. Dal pulsante a forma di albero di natale in basso a destra è invece possibile accedere a registrazioni pre-esistenti a tema eminentemente festivo.

Coronavirus di Wuhan

Tech

COVID-19, una IA per identificare gli asintomatici dai colpi di tosse

Alfonso Maruccia | 3 Novembre 2020

App COVID-19 IA

I ricercatori del MIT hanno messo a punto un algoritmo di intelligenza artificiale in grado di riconoscere gli infetti asintomatici di COVID-19. E ora lavorano alla realizzazione di una app per smartphone.

La nuova intelligenza artificiale creata dai ricercatori del Massachusetts Institute of Technology (MIT) ha una portata potenzialmente storica, visto che è in grado di riconoscere chi è portatore del virus del COVID-19 anche in assenza di sintomi. Uno strumento di identificazione e scrematura dei contagi che in futuro potrebbe forse arrivare gli smartphone degli utenti di tutto il mondo.

La IA dell’MIT lavora sulle registrazioni sonore dei colpi di tosse, un segnale che a quanto pare si differenzia in maniera notevole (quando campionato in formato digitale) tra chi è perfettamente sano, chi ha contratto il virus SARS-CoV-2 e chi ha sviluppato l’infezione comunemente nota come COVID-19.

L’algoritmo messo a punto dai ricercatori statunitensi è stato addestrato con l’ascolto di decine di migliaia di colpi di tosse campionati, oltre che con registrazioni di pronunce comuni. Alla fine del periodo di training, la IA ha raggiunto un livello di affidabilità decisamente significativo: il sistema sarebbe in grado di identificare le infezioni da COVID-19 nell’98,5% delle registrazioni, e addirittura di riconoscere i portatori asintomatici nel 100% dei casi.

Il MIT è ora in attesa dell’approvazione da parte della FDA (Food and Drug Administration) statunitense prima della distribuzione al pubblico, e come è ovvio una app realizzata a partire dal nuovo algoritmo potrebbe cambiare in maniera radicale la situazione sanitaria globale. Lavoratori, professionisti della salute o semplici cittadini sarebbero in tal modo in grado di fare uno screening di prossimità a costo (augurabilmente) zero, permettendo di interrompere la catena dei contagi che ha ripreso a correre in Europa e non si è mai fermata negli USA.

NVIDIA contro COVID-19

Tech

[email protected], trovati potenziali bersagli per una cura contro il COVID-19

Alfonso Maruccia | 30 Ottobre 2020

COVID-19 [email protected] HPC IA

Il progetto [email protected] concentrato nel contrasto al COVID-19 ha portato alla scoperta di possibili strutture proteiche da prendere di mira nello sviluppo di una cura o un vaccino.

La pandemia di COVID-19 cavalca senza sosta con 45 milioni di persone infette e quasi 1,2 milioni di morti in tutto il mondo. Ricercatori e aziende sono impegnati al massimo nello studio del virus SARS-CoV-2 per la possibile formulazione di una cura o un vaccino efficaci, una scoperta degna come minimo del premio Nobel e potenzialmente destinata a fare la storia.

È impegnata su questo fronte anche [email protected], l’iniziativa di calcolo distribuito che sfrutta le CPU e le GPU degli utenti comuni per effettuare complesse simulazioni sulle strutture proteiche del SARS-CoV-2. La proliferazione del coronavirus ha provocato un autentico boom nelle “donazioni” di tempo-macchina da parte degli utenti, permettendo a [email protected] di raggiungere e superare i 2,4 exaFLOPS di potenza complessiva.

Folding@Home contro il COVID-19

Stando a una ricerca recentemente pubblicata online, il team di [email protected] avrebbe già messo a buon frutto i miliardi di miliardi di calcoli al secondo del network distribuito scoprendo alcuni dei più inaccessibili “segreti” del SARS-CoV-2. I ricercatori hanno individuato 50 “sacche criptiche” di peplomeri, ovvero le protuberanze che permettono ai coronavirus come il SARS-CoV-2 di legarsi ai recettori della cellula ospite invadendola e dando inizio all’infezione.

Le protuberanze con i recettori chiave del coronavirus che causa il COVID-19 sono normalmente ripiegate su se stesse, ma devono prima o poi “svelarsi” per attaccare le cellule di una persona infetta. L’imponente rete di calcolo di [email protected] ha permesso di identificare, per la prima volta in assoluto, la porzione del virus necessaria allo sviluppo dell’infezione. E che ora potrà offrire ai ricercatori e alle aziende farmaceutiche un possibile bersaglio per una cura definitiva o un vaccino massimamente efficace contro la prima pandemia del 21esimo secolo.

Aggiungi alla collezione

No Collections

Here you'll find all collections you've created before.