Slik ble Ole Rolfsrud et språkgeni

---

Vi fikk en NRK-programleder til å snakke i fire minutter på norsk. Nå kan vi få ham til å snakke uendelig lenge på språk han ikke kan.

I år er det VM i lyn- og hurtigsjakk, hvor sjakkyndling Magnus Carlsen stiller ved brettet.

Det var i denne forbindelse at vi i NRKbeta fikk en henvendelse fra sjakk-programleder Ole Rolfsrud. Han ville under sendingene snakke om mennesker mot maskiner innen sjakksporten.

Ole ville imidlertid også ha noe litt mer «visuelt og lett forståelig bruk av kunstig intelligens», som han så fint uttrykte det.

For la oss være ærlige – det er ikke kjempelett for oss vanlige dødelige å forstå hva som egentlig foregår inne i en sjakk-computer. Vi bestemte oss derfor for å lage en video av Ole hvor vi – ved hjelp av kunstig intelligens – lar ham bli svært språkmektig.

Resultatet ble videoen under. Her snakker Ole to språk han ikke kan:

Slik laget vi videoen

En av de mer «visuelle og lett forståelige» bruksområdene for kunstig intelligens, som vi i NRKbeta har lekt med de siste månedene, er en variant av såkalte deepfakes.

Kort forklart er deepfakes falske videoer som er laget ved hjelp av kunstig intelligens, hvor man i teorien kan få hvem som helst til å si hva som helst, på et hvilket som helst språk.

Og det var akkurat det vi ville gjøre med Ole. Det fikk være både visuelt og tydelig nok for sjakkpublikumet når det kommer til hva kunstig intelligens også kan brukes til ut over det å flytte sjakkbrikker.

Vi har lenge testet et verktøy ved navn HeyGen. Dette er en kommersiell tjeneste, hvor man ved å kjøpe et månedsabonnement til rundt 500 kroner. Det gir deg muligheten til å lage såkalte avatarer som kan brukes til å lage syntetiske videoer.

En avatar i denne sammenheng er en modell av et menneske. I HeyGen lages avataren ved at man laster opp en fire minutter lang video hvor en person skravler. Om hva som helst. På hvilket som helst språk.

HeyGen bruker så denne videoen for å lage en digital versjon av deg – en avatar. Og det var akkurat det vi gjorde i NRKbeta-kroken med Ole.

I tillegg måtte Ole lese inn et samtykke, hvor han gav HeyGen lov til å bruke videoen han akkurat spilte inn, som treningsmateriale for å lage avataren. Det er heller ikke mulig å lage avatarer av barn.

En språkallmektig Ole

Resultatet, etter litt fikling og tilpassing av timing og språk, var at Ole kunne snakke både engelsk, russisk, mandarin og svensk. I en og samme video.

Alt ble laget i nettleseren ved at vi skrev inn en tekst av hva vi ville at Ole skulle si. Deretter trykket vi på oversettelsesknappen og valgte språket han skulle snakke. Vips, så var en syntetisk video generert.

Resultatet ble ganske overbevisende. Vi stolte dog ikke helt på at språket var riktig, og vi gjorde derfor også en sjekk med noen som har russisk og mandarin som morsmål for å verifisere at dette faktisk var korrekt. Ifølge dem er oversettelsene svært gode.

«Human in the loop» er jo et godt prinsipp når det kommer til den litt vanskelige blandingen mellom allmennkringkasting og kunstig intelligens.

Om du ikke har sett videoen allerede, dette ble resultatet:

Straks i en nyhetssending nær deg?

Så hvor langt unna er vi at for eksempel nyhetssendinger består av syntetiske programledere som introduserer innslag og leser nyheter for deg?

Ikke langt skal vi tro gründerne bak oppstartsselskapet «Channel 1 News». De ønsker å i løpet av 2024 starte en nyhetskanal drevet av kunstig intelligens, hvor programlederen og nyhetsoppleserne vil være generert på samme måte som vi laget videoer av Ole.

Selskapet tar sikte på å starte med en 30 minutters ukentlig nyhetssending med syntetiske nyhetsankre i løpet av 2024, og deretter utvide sendingene til å produsere flere tusen klipp per dag.

Foreløpig er teknologien imidlertid ikke helt klar for å skaleres opp, og det er fortsatt litt for dataspillaktige programledere. Det en av grunnene til at du ennå ser en Ole Rolfsrud av kjøtt og blod under sjakksendingene, og ikke en syntetisk generert versjon.