“Real, Falso ou Artificial”, por Marcelo Molnar
O jornalismo automatizado usa uma GAN (generative adversarial network) que, através de bancos de dados, produzem de notícias com base em mod
Opinião
Se já estamos nos acostumando a conviver com Fake News, ou informações falsas, agora vamos conviver também com notícias artificiais. Na verdade, isso já ocorre, pois, uma boa parte dos artigos produzidos por grandes jornais americanos não são gerados por jornalistas humanos e sim por máquinas. elos pré escritos pela redação. A diferença é que, dependo do objetivo solicitado, os conteúdos podem ser verdadeiros ou não.
Uma rede GAN é uma classe de aprendizado de máquina para treinamento e aperfeiçoamento dos algoritmos. Essa técnica permite gerar novos dados com as mesmas estatísticas do conjunto inicial. Por exemplo, um GAN treinado em fotografias pode gerar novas fotografias que pareçam autênticas e reais para as pessoas. Um GAN treinado para texto pode transformar dois artigos científicos em um terceiro que nunca foi apresentado ou estudado por qualquer pesquisador. A ideia central é de gerar dados sintéticos, ou seja, informações não produzidas por humanos.
A Inteligência Artificial Generativa (IAG) já aparece em diversos artigos, em inúmeras situações. Destaque para o mercado de investidores, seguindo o sentido contrário das grandes empresas de tecnologia atualmente em dificuldades, que está recebendo indicações e aumentando a contratação de profissionais especializados. Nos últimos meses, tivemos divulgações impressionantes de obras de arte geradas por IAG, graças ao progresso nos algoritmos de texto para imagem disponibilizados por empresas como Stability AI e OpenAI. Diversas startups estão agora criando aplicativos para aprimorar o modelo de linguagem, onde a máquina é capaz de criar novas versões de textos, imagens e vídeos com base em comando humanos simples.
A Movio é uma delas. Aproveitando a IAG em conjunto com outras estruturas de aprendizado de máquina, produz vídeos de avatares humanos falantes hiper-realistas. Um dos objetivos é transformá-los em “porta-vozes” de campanhas publicitarias, onde as roupas, os rostos e as vozes são produzidas e alteradas automaticamente com um clique, dispensando a contratação de modelos reais. A empresa já possui uma grande base de clientes pagando perto de US$ 1.000 anuais e já obteve cerca de US$ 9 milhões em financiamento de investidores, incluindo IDG, Sequoia Capital China e, mais recentemente, Baidu Ventures. E os vídeos de aplicações publicitárias são apenas um pequeno segmento onde a geração de conteúdo pode ser obtida através da IAG.
Outros conteúdos já estão sendo automatizados. Por exemplo: horóscopo com estruturas diárias semelhantes, para todos os signos, ou a cotação das moedas, onde os valores de abertura e fechamento do dólar possuem horários padronizados; na previsão do tempo, informando chances de chuva, temperaturas mínimas e máximas e até dados históricos disponíveis nos sistemas. Informações de acidentes e trânsito. Informações de audiência de canais de TV e outros segmentos como próximos lançamentos de séries em canais de streaming, e muitos outros onde os dados já estão de certa forma padronizados em sistemas informatizados.
Toda tecnologia, quando usada de forma consciente e responsável, contribui para facilitar e melhorar nossas vidas. Seja na velocidade, diversidade ou complexidade. A questão é que muitas vezes existem desvios de funções. A geração de conteúdo em qualquer forma, ou seja, imagens, textos ou sons com objetivo de confundir, ludibriar, maquiar ou induzir ao erro são condenáveis.
Por enquanto, todos os conteúdos gerados com GAN se baseiam fundamentalmente em dados produzidos por nós, humanos. Conteúdos reais e verdadeiros. Mas em breve não será assim. A facilidade em criar dados sintéticos está cada vez maior. Dentro em breve esses dados estarão misturados com as informações falsas, duvidosas ou não comprovadas de difícil identificação. Será fundamental criarmos uma forma de identificar e separar esses conteúdos, pois se eles são feitos para serem indistinguíveis para nós humanos, não poderão ser para as próximas máquinas. Devemos impor regras onde, pelo menos as máquinas, consigam identificá-las.
* é formado em Química Industrial, com pós graduação em Marketing e Publicidade. Experiência de 18 anos no mercado da Tecnologia da Informação, atuando nas áreas comercial e marketing. Diretor de conteúdo em diversos projetos de transferência de conhecimento na área da publicidade. Criador do processo ICHM (Índice de Conexão Humana das Marcas) para mensuração do valor das marcas a partir de sua relação emocional com seus consumidores. Coautor do livro "O segredo de Ebbinghaus". Atualmente é Sócio Diretor da Boxnet.
