Como é que a IA permite movimentos naturais do corpo?

É um tema fascinante falar sobre a forma como a IA permite movimentos naturais do corpo. Recentemente, deparei-me com o sistema OmniAvatar da Universidade de Zhejiang e da Alibaba, que consegue transformar uma fotografia e um ficheiro de áudio numa animação de corpo inteiro que respira! Faz-me lembrar os filmes de ficção científica que costumava ver em criança e nunca pensei que se tornasse realidade. No entanto, o princípio por detrás desta tecnologia é bastante complexo e não é tão simples como juntar algumas animações.

Da magia estática à magia dinâmica

Já alguma vez se perguntou porque é que muitas animações geradas por IA parecem sempre um pouco "falsas"? A OmniAvatar utiliza um método muito inteligente - a incorporação de áudio multicamada pixel a pixel. Em termos simples, a IA ouve atentamente cada sílaba do áudio e, em seguida, aplica a assinatura sonora como tinta a cada pixel do vídeo, camada a camada. Por exemplo, quando dizemos "olá", o "n" e o "h" correspondem a diferentes formas da boca e movimentos do corpo, que a IA tem de reproduzir com exatidão.

De onde vem a linguagem corporal

O que mais me surpreendeu foi a naturalidade com que o OmniAvatar foi capaz de lidar até com os movimentos do corpo. Sabia que a tecnologia tradicional permite que o avatar, na melhor das hipóteses, mexa a boca e que o seu corpo pareça um homem de madeira? Ao analisar 1320 horas de dados de vídeo reais, o novo sistema aprende os movimentos corporais subtis que os humanos fazem quando falam - por exemplo, uma ligeira inclinação dos ombros quando estão entusiasmados ou uma inclinação não intencional da cabeça quando estão a pensar. São estes pormenores que contribuem para que o ser humano digital pareça realista.

Mas não é perfeito. Reparei que os vídeos gerados durante longos períodos de tempo ainda podem ocasionalmente "andar à deriva", como uma televisão antiga com um sinal instável. Os investigadores recorreram a um truque: colocaram uma "âncora de memória" na IA - utilizando o primeiro fotograma da imagem como referência, como o fio de um papagaio - para continuar a puxar a pessoa digital para trás para garantir que a imagem para garantir que a imagem não sai dos carris.

Possibilidades futuras

Sinceramente, se esta tecnologia estivesse mais madura, haveria demasiadas aplicações em que pensar! Já consigo prever professores virtuais realistas no ensino à distância, ou pivôs digitais incansáveis no comércio eletrónico em direto. No entanto, ainda há muitos estrangulamentos técnicos que têm de ser ultrapassados para que a IA possa alcançar a suavidade natural do movimento humano - como lidar com a linguagem corporal quando se interage com várias pessoas, ou expressar mudanças mais subtis de emoção.

Parece que, para que a IA possa verdadeiramente "viver", precisa de aprender a observar mais o código da linguagem corporal humana. Afinal, nós, seres humanos, desde pequenos bebés, não demorámos mais de dez anos a aprender a fazer movimentos naturais e fluentes? Para a IA, este é também um processo que leva tempo a acumular. Mas, a julgar pelo atual ritmo de desenvolvimento, talvez venhamos a assistir a descobertas ainda mais espantosas dentro de alguns anos.

Enquanto escrevo isto, ocorre-me que seria uma sensação fantástica se um dia uma pessoa digital pudesse imitar os meus movimentos de assinatura de uma forma completamente natural - excitante e um pouco apreensivo ao mesmo tempo!