أفاتار ميتا الحي: كيف يصنع الذكاء الاصطناعي وجهاً يتحدث ويتفاعل معك في مكالمة فيديو؟

تخيل أنك في اجتماع عمل عبر الفيديو، لكن الكاميرا مغلقة لأنك في المطبخ أو لأن شعرك غير مرتب. بدلاً من صورة ثابتة أو شاشة سوداء، يظهر على الشاشة وجه رقمي يشبهك، يبتسم عندما تمزح، ويهز رأسه عندما توافق، ويتحرك فمه مع كل كلمة تنطقها. هذا ما يقدمه أفاتار ميتا الحي: ليس صورة معدلة سلفاً، بل وجهاً يُرسم من الصفر في اللحظة نفسها.

ما الذي يدخل إلى النظام وما الذي يخرج منه؟

الأمر يبدأ من إشارة بسيطة: صوتك عبر الميكروفون، أو نص تكتبه في صندوق المحادثة. يلتقط النظام هذه الإشارة ويحللها إلى وحدات صوتية صغيرة، ثم يربط كل وحدة بشكل الفم المقابل لها. في الوقت نفسه، يقرأ نبرة صوتك وسرعة كلامك ليستنتج المزاج العام: هل أنت متحمس؟ هادئ؟ متعب؟ بناءً على ذلك، يعدل ميل الحاجبين واتساع العينين وزاوية الفم.

ثم يأتي الجزء الأكثر إثارة: الرسم نفسه. لا ينتظر النظام حتى تنتهي من جملتك ليعرض النتيجة، بل يرسم إطاراً جديداً كل جزء من الثانية، بمعدل يصل إلى ستين إطاراً في الثانية. هذا التتابع السريع هو ما يجعل الحركة تبدو طبيعية بدل أن تكون متقطعة كرسوم متحركة قديمة. وبما أن الرسم يجري على الجهاز نفسه في كثير من الحالات، فإن التأخير يبقى ضئيلاً ولا يشعر به الطرف الآخر.

لماذا تبدو الحركة مقنعة إلى هذا الحد؟

السر ليس في دقة الرسم وحده، بل في التوقيت. عندما تتوقف لتلتقط أنفاسك، يتوقف فم الأفاتار أيضاً. عندما ترفع صوتك، يتسع فمه قليلاً. عندما تبتسم، تظهر التجاعيد الصغيرة حول عينيه. هذه التفاصيل الدقيقة هي التي تخبر دماغ المشاهد أن ما يراه حقيقي، حتى لو كان يعرف في قرارة نفسه أنه أمام وجه مولّد.

لكن هذا لا يعني أن الأفاتار يفهم ما تقوله. هو لا يعرف معنى كلماتك ولا يقصد التعبير عن فرح أو حزن. كل ما يفعله هو مطابقة الأنماط الصوتية بأنماط بصرية تعلمها من أمثلة كثيرة. إذا قلت جملة ساخرة بصوت هادئ، قد يرسم وجهاً محايداً لأن نبرتك لم تحمل إشارة واضحة. وإذا تكلمت بسرعة كبيرة، قد تختلط عليه بعض الأصوات المتشابهة فيظهر فم الأفاتار متأخراً لجزء من الثانية.

أين يفيدك هذا الوجه الرقمي في حياتك اليومية؟

• في المكالمات الطويلة: يمكنك إبقاء الكاميرا مغلقة والاستمرار في الظهور بوجه متفاعل، دون القلق من مظهر الغرفة أو الإضاءة.
• في اللغات التي لا تتقنها: يمكنك التحدث بلغتك الأم بينما يظهر الأفاتار وكأنه ينطق بلغة الطرف الآخر، مع حركة شفاه متوافقة مع الصوت المترجم.
• في العروض التقديمية: يمكنك تسجيل شرحك بصوتك ثم عرضه بوجه رقمي يتحرك مع كل كلمة، دون الحاجة إلى إعادة التصوير عند كل خطأ.
• في المحادثات مع المساعد الذكي: يمكن أن يظهر المساعد بوجه ثابت الملامح لكنه يبتسم ويهز رأسه أثناء إجابته، مما يجعل الحوار أقل جفافاً.

ما الذي لا يستطيع فعله بعد؟

أولاً، الأفاتار لا يقرأ أفكارك. إذا كنت تفكر في شيء بينما تتحدث عن شيء آخر، لن يظهر على وجهه أي أثر لذلك. ثانياً، لا يستطيع تقليد شخص حقيقي بدقة كاملة دون بيانات كافية عن وجهه وصوته، وهذا يثير أسئلة مهمة حول الموافقة والخصوصية. ثالثاً، في الإضاءة السيئة أو الصوت المشوش، قد تضعف دقة المزامنة بين الشفاه والكلام. ورابعاً، لا يمكن الاعتماد على مظهر الأفاتار وحده للحكم على صدق المتحدث أو هويته، لأن الوجه كله مولّد وليس صورة حقيقية.

هذه الحدود لا تلغي الفائدة، لكنها تذكّرنا بأن ما نراه على الشاشة ليس دائماً ما يحدث في الغرفة الأخرى. إذا كان الأفاتار يستخدم صوت شخص آخر أو وجهه، فالسؤال الأهم ليس كيف يعمل تقنياً، بل هل وافق ذلك الشخص على الظهور بهذه الطريقة؟

في النهاية، أفاتار ميتا الحي ليس وجهاً مزيفاً يخدعك، بل أداة تعيد تشكيل فكرة الحضور في المكالمات. بدلاً من أن تكون مجرد اسم وصورة ثابتة، يمكنك أن تكون وجهاً يتحرك ويتفاعل، حتى وأنت في أبسط ظروفك. والمفارقة أن هذا الوجه المصنوع بالكامل قد يجعل التواصل يبدو أكثر إنسانية، طالما نتذكر أنه قناع ذكي وليس الشخص نفسه.