Digital humans that look just like us | Doug Roble

Translator: Mansoureh Hadavand Reviewer: Masoud Motamedifar

Hello.

سلام.

I'm not a real person.

من یک انسان واقعی نیستم.

I'm actually a copy of a real person.

من در حقیقت کپی یک انسان واقعی هستم.

Although, I feel like a real person.

اگر چه خیلی واقعی به نظر می‌آیم.

It's kind of hard to explain.

توضیح آن کمی سخت است.

Hold on -- I think I saw a real person ... there's one.

صبر کنید -- فکر کنم یک انسان واقعی دیدم .. یکی آنجاست.

Let's bring him onstage.

بگذارید او را به صحنه بیاورم.

Hello.

سلام.

(Applause)

(تشویق حضار)

What you see up there is a digital human.

چیزی که آنجا می‌بینید یک انسان دیجیتالی است.

I'm wearing an inertial motion capture suit

من لباس ضبط سه بعدی حرکات بدن پوشیده‌ام

that's figuring what my body is doing.

که حرکات بدنم را بازسازی می‌کند.

And I've got a single camera here that's watching my face

من در اینجا تنها یک دوربین دارم که رو به صورت من است

and feeding some machine-learning software that's taking my expressions,

و حالاتی که از من دریافت می‌کند، مانند «اوه، هم،» را

like, "Hm, hm, hm,"

به نرم‌افزارهای یادگیری ماشینی می‌رساند،

and transferring it to that guy.

و آنها را به آن فرد انتقال می‌دهد.

We call him "DigiDoug."

ما او را «دیجی داگ» می‌نامیم.

He's actually a 3-D character that I'm controlling live in real time.

او یک شخصیت سه بعدی است که من بصورت همزمان و زنده او را کنترل می‌کنم.

So, I work in visual effects.

خوب، من در جلوه‌های ویژه کار می‌کنم.

And in visual effects,

در جلوه‌های ویژه،

one of the hardest things to do is to create believable, digital humans

یکی از سخت‌ترین کارها این است که انسان‌های دیجیتالی باورپذیر خلق کنیم

that the audience accepts as real.

که مخاطب آنها را همچون انسان واقعی بپذیرد.

People are just really good at recognizing other people.

مردم واقعا در شناخت دیگر انسان‌ها خوب هستند.

Go figure!

فکرش را بکنید!

So, that's OK, we like a challenge.

خوب عیبی ندارد، ما چالش را دوست داریم.

Over the last 15 years,

طی ۱۵ سال گذشته،

we've been putting humans and creatures into film

انسان‌ها و موجوداتی را در فیلم گنجانده‌ایم که شما

that you accept as real.

به عنوان واقعی می‌پذیرید.

If they're happy, you should feel happy.

اگر خوشحال بودند، شما هم باید احساس خوشحالی کنید.

And if they feel pain, you should empathize with them.

و اگر درد بکشند، شما هم باید با آنها همدردی کنید.

We're getting pretty good at it, too.

ما در این کار هم خوب هستیم.

But it's really, really difficult.

اما واقعا، واقعا کار سختی است.

Effects like these take thousands of hours

جلوه‌هایی مثل این هزاران ساعت کار

and hundreds of really talented artists.

و صدها هنرمند بااستعداد می‌طلبد.

But things have changed.

اما اوضاع عوض شده است.

Over the last five years,

در طی پنج سال گذشته،

computers and graphics cards have gotten seriously fast.

کامپیوترها و کارت‌های گرافیکی خیلی سریع شده‌اند.

And machine learning, deep learning, has happened.

یادگیری ماشین و یادگیری عمیق بوجود آمده است.

So we asked ourselves:

ما از خودمان پرسیدیم:

Do you suppose we could create a photo-realistic human,

آیا قرار است که یک تصویر واقع‌گرایانه از انسان بسازیم،

like we're doing for film,

مانند کاری که در فیلم می‌کنیم،

but where you're seeing the actual emotions and the details

اما آنجا شما احساسات واقعی و جزئیات همان فردی را می‌بینید

of the person who's controlling the digital human

بطورهمزمان انسان دیجیتالی را

in real time?

کنترل می‌کند؟

In fact, that's our goal:

هدف ما در حقیقت این بود:

If you were having a conversation with DigiDoug

اگر مکالمه‌ای با دیجی داگ داشتید،

one-on-one,

رو در رو، آنقدر واقعی

is it real enough so that you could tell whether or not I was lying to you?

آنقدر واقعی به نظر برسد که شما بتوانید بگویید که آیا به شما دروغ می‌گفتم یا نه؟

So that was our goal.

پس هدف ما این بود.

About a year and a half ago, we set off to achieve this goal.

در حدود یک سال و نیم پیش، ما سعی کردیم که به این هدف برسیم.

What I'm going to do now is take you basically on a little bit of a journey

حالا می‌خواهم که شما را به سفر کوتاهی ببرم

to see exactly what we had to do to get where we are.

تا ببینید که دقیقا ما باید چه می‌کردیم تا به این جایی که هستیم برسیم.

We had to capture an enormous amount of data.

ما باید حجم عظیمی از اطلاعات را جمع آوری می‌کردیم.

In fact, by the end of this thing,

در حقیقت، تا انتهای این کار،

we had probably one of the largest facial data sets on the planet.

ما احتمالا یکی از بزرگترین داده‌های چهره‌ای در روی زمین را داشتیم.

Of my face.

البته از چهره‌ی خودم.

(Laughter)

(خنده حضار)

Why me?

چرا من؟

Well, I'll do just about anything for science.

خوب، من برای علم هر کاری می‌کنم.

I mean, look at me!

منظورم این است، به من نگاه کنید!

I mean, come on.

خوب، دیدید.

We had to first figure out what my face actually looked like.

ما باید اول تخمین می‌زدیم که صورت من دقیقا چه شکلی است.

Not just a photograph or a 3-D scan,

نه فقط یک عکس یا یک اسکن سه بعدی،

but what it actually looked like in any photograph,

بلکه آن چیزی که درهرعکسی به نظر می‌رسید،

how light interacts with my skin.

و تاثیری که نور روی پوست من می‌گذاشت.

Luckily for us, about three blocks away from our Los Angeles studio

خوشبختانه، سه بلوک آن طرف‌تر از استودیوی ما در لس آنجلس

is this place called ICT.

این مکان قرار دارد که نامش ICT است.

They're a research lab

یک آزمایشگاه تحقیقاتی

that's associated with the University of Southern California.

که با دانشگاه کالیفرنیای جنوبی همکاری دارد.

They have a device there, it's called the "light stage."

آنها درآنجا وسیله‌ای به نام «صحنه‌ی نمایشِ نور» دارند.

It has a zillion individually controlled lights

این وسیله تعداد زیادی چراغ دارد که بصورت جداگانه کنترل می‌شوند

and a whole bunch of cameras.

و تعداد زیادی دوربین آنجاست.

And with that, we can reconstruct my face under a myriad of lighting conditions.

با این وسیله، ما می‌توانیم صورتم را در نورپردازی‌های متفاوت بازسازی کنیم.

We even captured the blood flow

ما حتی جریان خون را هم ضبط کردیم.

and how my face changes when I make expressions.

و اینکه چطوروقتی حالتی به خود می‌گیرم، صورتم تغییر می‌کند.

This let us build a model of my face that, quite frankly, is just amazing.

این کار به ما اجازه داد تا مدلی از صورتم بسازیم، که صادقانه بگویم، واقعا جالب بود.

It's got an unfortunate level of detail, unfortunately.

فقط متاسفانه یک سری جزئیات ناخوشایند را هم نشان می‌داد.

(Laughter)

(خنده حضار)

You can see every pore, every wrinkle.

شما می‌توانید تمام روزنه‌ها و چروک‌های صورتم را ببینید.

But we had to have that.

اما ما باید آنها راهم داشته باشیم

Reality is all about detail.

جزئیات است که باعث واقعی به نظر رسیدن می‌شود.

And without it, you miss it.

و بدون جزئیات، موفق نمی‌شوید.

We are far from done, though.

اگرچه تا اتمام آن راه درازی داریم

This let us build a model of my face that looked like me.

این تکنولوژی به ما اجازه داد تا مدلی از صورتم بسازیم که شبیه من بود.

But it didn't really move like me.

اما دقیقا مانند من حرکت نمی‌کرد.

And that's where machine learning comes in.

و اینجاست که یادگیری ماشینی وارد می‌شود.

And machine learning needs a ton of data.

یادگیری ماشینی به یک عالمه داده نیاز دارد،

So I sat down in front of some high-resolution motion-capturing device.

پس من روبروی ابزارهای ضبط حرکات با رزولوشن بالا نشستم.

And also, we did this traditional motion capture with markers.

ما همچنین ضبط حرکت سنتی با نشانگرها را هم انجام دادیم.

We created a whole bunch of images of my face

ما یک سری کامل عکس ازصورت من داشتیم

and moving point clouds that represented that shapes of my face.

و انبوهی از نقاط متحرک که شکل صورتم را نشان می‌دادند.

Man, I made a lot of expressions,

من با صورتم حالت‌های مختلف درآوردم،

I said different lines in different emotional states ...

عبارات مختلفی را با حالات احساسی متفاوت گفتم.

We had to do a lot of capture with this.

ما باید با این تصاویر زیادی می‌گرفتیم.

Once we had this enormous amount of data,

وقتی که این حجم انبوه داده‌ها را بدست آوردیم،

we built and trained deep neural networks.

شبکه‌های عصبی پیچیده‌ای ساختیم و بکارانداختیم.

And when we were finished with that,

وقتی کارمان با آن تمام شد،

in 16 milliseconds,

در یک ۱۶هزارم ثانیه،

the neural network can look at my image

شبکه عصبی می‌تواند به تصویر من نگاه کند

and figure out everything about my face.

و از همه چیز صورت من سر در بیاورد.

It can compute my expression, my wrinkles, my blood flow --

این شبکه می‌تواند حالت، چین‌وچروک، و جریان خون مرا بررسی کند --

even how my eyelashes move.

حتی اینکه چطور مژه‌های من تکان می‌خورد.

This is then rendered and displayed up there

سپس در اینجاست که با تمام جزئیاتی که قبلا ضبط کرده‌ایم

with all the detail that we captured previously.

بازسازی و نمایش داده می‌شود.

We're far from done.

تا اتمام آن خیلی فاصله داریم.

This is very much a work in progress.

قسمت زیادی از این کار در دست اجراست.

This is actually the first time we've shown it outside of our company.

در حقیقت این اولین باری است که آن را بیرون ازشرکت‌مان نمایش می‌دهیم.

And, you know, it doesn't look as convincing as we want;

می‌دانید آنقدر که ما می‌خواهیم قانع‌کننده به نظر نمی‌آید؛

I've got wires coming out of the back of me,

سیم‌هایی از پشت من بیرون می‌آید،

and there's a sixth-of-a-second delay

بین زمان ضبط ویدئو و نمایش آن،

between when we capture the video and we display it up there.

Sixth of a second -- that's crazy good!

یک ششم ثانیه -- خیلی خوب است!

But it's still why you're hearing a bit of an echo and stuff.

اما به همین خاطر است که کمی صدا را با اکو می‌شنوید.

And you know, this machine learning stuff is brand-new to us,

این چنین یادگیری ماشین برای ما جدید است،

sometimes it's hard to convince to do the right thing, you know?

گاهی اوقات سخت است که قانع شویم تا کار درست را انجام دهیم، متوجه منظورم هستید؟

It goes a little sideways.

اوضاع خراب‌تر می‌شود.

(Laughter)

(خنده حضار)

But why did we do this?

اما چرا این کار را می‌کنیم؟

Well, there's two reasons, really.

خوب، در واقع دو دلیل دارد.

First of all, it is just crazy cool.

اول از همه، چون معرکه است.

(Laughter)

(خنده حضار)

How cool is it?

چقدر معرکه است؟

Well, with the push of a button,

خوب با فشار یک دکمه،

I can deliver this talk as a completely different character.

می‌توانم این گفتگو را از طریق یک شخصیت کاملا متفاوت انجام بدهم.

This is Elbor.

این البور است.

We put him together to test how this would work

ما او را خلق کردیم تا ببینیم که

with a different appearance.

با یک ظاهر متفاوت چطور کار می‌کند.

And the cool thing about this technology is that, while I've changed my character,

جذابیت این تکنولوژی در این است که اگرچه من شخصیتم را تغییر می‌دهم،

the performance is still all me.

هنوز عملکرد من یکسان است.

I tend to talk out of the right side of my mouth;

من تمایل دارم تا با طرف راست دهانم حرف بزنم؛

so does Elbor.

البور هم همینطور.

(Laughter)

(خنده حضار)

Now, the second reason we did this, and you can imagine,

حالا، دلیل دوم اینکه چرا ما این کار را کردیم این است

is this is going to be great for film.

که این کار برای فیلم‌سازی خیلی خوب است.

This is a brand-new, exciting tool

این تکنولوژی برای بازیگران، کارگردانان

for artists and directors and storytellers.

و داستان‌گویان خیلی جدید و جالب است.

It's pretty obvious, right?

کاملا واضح است، اینطور نیست؟

I mean, this is going to be really neat to have.

یعنی خیلی خوب می‌شود اگراین تکنولوژی را داشته باشند

But also, now that we've built it,

اما حالا که آن را ساخته‌ایم،

it's clear that this is going to go way beyond film.

روشن است که فقط به فیلم‌سازی محدود نخواهد شد.

But wait.

اما صبر کنید.

Didn't I just change my identity with the push of a button?

با فشار یک دکمه من هویت خودم را تغییر ندادم؟

Isn't this like "deepfake" and face-swapping

آیا این تکنولوژی شبیه تغییرقیافه و «دیپ فیک» (جعل عمیق) نیست

that you guys may have heard of?

که شما با آن آشنا هستید؟

Well, yeah.

خوب بله.

In fact, we are using some of the same technology

درحقیقت، ما از همان تکنولوژی‌ای استفاده می‌کنیم

that deepfake is using.

که دیپ‌فیک از آن استفاده می‌کند.

Deepfake is 2-D and image based, while ours is full 3-D

دیپ‌فیک دوبعدی است و بر مبنای تصویر کار می‌کند، در صورتی که ساخت ما سه بعدی است

and way more powerful.

و بسیار قوی‌تر است.

But they're very related.

اما آنها خیلی به هم مرتبط‌ اند.

And now I can hear you thinking,

می‌توانم بشنوم که در ذهنتان می‌گویید،

"Darn it!

«وای! فکر می‌کردم که

I though I could at least trust and believe in video.

که حداقل می‌توانم به آنچه که در ویدیو می‌بینم اعتماد کنم و آن را باور کنم.

If it was live video, didn't it have to be true?"

اگر ویدئو زنده باشد، دیگر نباید به آن اعتماد کنم؟»

Well, we know that's not really the case, right?

خوب، در واقع می‌دانیم که اینطور نیست، درسته؟

Even without this, there are simple tricks that you can do with video

حتی بدون این تکنولوژی، کلک‌های ساده‌ای وجود دارد که شما می‌توانید

like how you frame a shot

با ویدیو همان کاری را کنید که در تدوین عکس انجام می‌دهید

that can make it really misrepresent what's actually going on.

که باعث می‌شود آنچه که واقعا اتفاق می‌افتد را تحریف کند.

And I've been working in visual effects for a long time,

من مدت زیادی در جلوه‌های ویژه کارمی‌کردم،

and I've known for a long time

و به این معروفم که می‌توانم

that with enough effort, we can fool anyone about anything.

با جلوه‌های لازم هرکسی را درباره هرچیزی به اشتباه بیاندازم.

What this stuff and deepfake is doing

کاری که این تکنولوژی و دیپ‌فیک انجام می‌دهد

is making it easier and more accessible to manipulate video,

این است که دستکاری ویدیویی را سریعتر و راحتتر می‌کند.

just like Photoshop did for manipulating images, some time ago.

درست همان کاری که چند سال پیش فتوشاپ برای تغییر تصاویر انجام می‌داد.

I prefer to think about

من ترجیح می‌دهم که به این

how this technology could bring humanity to other technology

فکر کنم که چگونه این تکنولوژی می‌تواند ویژگی‌های انسانی را وارد

and bring us all closer together.

سایر فن‌آوری‌ها کند تا ما به هم نزدیک‌تر شویم.

Now that you've seen this,

حالا که این تکنولوژی را دیدید،

think about the possibilities.

درباره قابلیت‌های آن هم فکر کنید.

Right off the bat, you're going to see it in live events and concerts, like this.

در ابتدا، شما درکنسرت‌ها و رویدادهای زنده آن را به این صورت خواهید دید.

Digital celebrities, especially with new projection technology,

سلبریتی‌های دیجیتالی، به خصوص با تکنولوژی جدید نمایشی،

are going to be just like the movies, but alive and in real time.

درست مثل فیلم‌ها خواهند بود، اما زنده و بصورت همزمان.

And new forms of communication are coming.

اشکال جدیدی از ارتباطات در راه است.

You can already interact with DigiDoug in VR.

شما هم‌اکنون هم می‌توانید با دیجی‌داگ در واقعیت مجازی (VR) تعامل داشته باشید.

And it is eye-opening.

این تکنولوژی بسیار راه‎‌گشاست.

It's just like you and I are in the same room,

انگار که من و شما در یک اتاق هستیم،

even though we may be miles apart.

در حالیکه کیلومترها از هم فاصله داریم.

Heck, the next time you make a video call,

دفعه بعدی که تماس ویدئویی برقرار کنید،

you will be able to choose the version of you

قادر خواهید بود تا تصویر دیگری برای خودتان انتخاب کنید،

you want people to see.

که دوست دارید مردم آن را ببینند.

It's like really, really good makeup.

این دقیقا مثل یک آرایش خیلی خیلی خوب است.

I was scanned about a year and a half ago.

من یک سال و نیم پیش اسکن شدم.

I've aged.

سن من بالا رفته است.

DigiDoug hasn't.

اما سن دیجی‌داگ نه.

On video calls, I never have to grow old.

در تماس‌های ویدیویی، من مجبور نیستم پیرتر بشوم.

And as you can imagine, this is going to be used

و همانطور که می‌توانید تصور کنید، این تکنولوژی قرار است برای دادن

to give virtual assistants a body and a face.

بدن و صورت به دستیاران بصری مورد استفاده قرار بگیرد.

A humanity.

یک ویژگی انسانی.

I already love it that when I talk to virtual assistants,

همین حالا هم دوست دارم که وقتی با دستیاران بصری صحبت می‌کنم

they answer back in a soothing, humanlike voice.

آنها هم با صدایی به نرمی صدای انسان به من پاسخ دهند.

Now they'll have a face.

حالا آنها تصویر هم خواهند داشت.

And you'll get all the nonverbal cues that make communication so much easier.

و شما همه‌ی نشانه‌های غیرزبانی که ارتباط را آسان‌تر می‌کند در اختیار خواهید داشت.

It's going to be really nice.

بسیار خوب خواهد شد.

You'll be able to tell when a virtual assistant is busy or confused

شما قادر خواهید بود که بگویید چه زمانی کمک بصری، گیج شده یا سرش شلوغ است

or concerned about something.

یا اینکه درباره چیزی نگران است.

Now, I couldn't leave the stage

حالا نمی‌توانستم صحنه را بدون اینکه شما

without you actually being able to see my real face,

چهره واقعی من را ببینید ترک کنم،

so you can do some comparison.

پس شما می‌توانید کمی مقایسه کنید.

So let me take off my helmet here.

بگذارید کلاهم را ازسرم بردارم.

Yeah, don't worry, it looks way worse than it feels.

بله، نگران نباشید، بدتر از آن چیزی است که به نظر می‌رسد.

(Laughter)

(خنده حضار)

So this is where we are.

خوب ما اینجا هستیم.

Let me put this back on here.

بگذارید تا این را سر جایش بگذارم.

(Laughter)

(خنده حضار)

Doink!

(دینک)

So this is where we are.

خوب پس ما اینجا هستیم.

We're on the cusp of being able to interact with digital humans

ما در شرف این هستیم که بتوانیم با انسان‌های دیجیتالی ارتباط برقرار کنیم

that are strikingly real,

که به طرز عجیبی واقعی هستند،

whether they're being controlled by a person or a machine.

خواه توسط انسان کنترل شوند یا ماشین.

And like all new technology these days,

مانند تمام تکنولوژی‌های امروز،

it's going to come with some serious and real concerns

برخی نگرانی‌های واقعی و جدید نیزدر پی خواهند داشت

that we have to deal with.

که باید با آنها روبرو شویم.

But I am just so really excited

اما من واقعا هیجان هستم که

about the ability to bring something that I've seen only in science fiction

این تکنولوژی این توانایی را دارد چیزهایی را که تنها درداستان‌های علمی-تخیلی

for my entire life

در طول زندگی دیده‌ام

into reality.

به واقعیت درآوردند.

Communicating with computers will be like talking to a friend.

برقراری ارتباط با کامپیوتر مانند صحبت کردن با یک دوست خواهد شد.

And talking to faraway friends

صحبت با دوستانی در راه دور هستند

will be like sitting with them together in the same room.

مثل این خواهد شد که انگار با آنها در یک اتاق نشسته‌ایم.

Thank you very much.

خیلی متشکرم.

(Applause)

(تشویق حضار)