Αν παρακολουθείτε προσεκτικά το YouTube τον τελευταίο καιρό, ίσως έχετε παρατηρήσει την αυξανόμενη τάση των λεγόμενων «faceless YouTube καναλιών», δηλαδή καναλιών όπου δεν εμφανίζεται ποτέ ένας ορατός άνθρωπος να μιλάει στο βίντεο. Κάποια από αυτά τα κανάλια ανήκουν απλώς σε δημιουργούς που δεν θέλουν να δείχνουν το πρόσωπό τους, αλλά πολλά άλλα είναι πλήρως αυτοματοποιημένα μέσω εργαλείων τεχνητής νοημοσύνης, τα οποία δημιουργούν τα πάντα – από τα σενάρια και τις αφηγήσεις μέχρι τις εικόνες και τη μουσική. Όπως είναι αναμενόμενο, αυτή η μέθοδος συχνά προωθείται ως ένας εύκολος τρόπος για να βγάλει κανείς χρήματα από τον αλγόριθμο του YouTube με ελάχιστη ανθρώπινη προσπάθεια.
Δεν είναι δύσκολο να βρει κανείς YouTubers που διαμαρτύρονται για την πλημμύρα αυτών των ανώνυμων καναλιών, τα οποία κλέβουν τα ενσωματωμένα αρχεία μεταγραφής των βίντεό τους και τα περνούν μέσα από εργαλεία AI για να δημιουργήσουν άμεσα αντίγραφα. Ωστόσο, μια YouTuber προσπαθεί να αντεπιτεθεί, εισάγοντας στα μεταγραμμένα κείμενά της άχρηστα δεδομένα που είναι αόρατα για τους ανθρώπους, αλλά τοξικά για οποιοδήποτε AI προσπαθήσει να τα εκμεταλλευτεί.
Η δύναμη του .ass
Η YouTuber F4mi, η οποία δημιουργεί εξαιρετικά βίντεο ανάλυσης πάνω σε ξεχασμένη τεχνολογία, αποκάλυψε πρόσφατα τις μεθόδους της για να «δηλητηριάσει κάθε AI summarizer που προσπαθεί να κλέψει το περιεχόμενό μου για να φτιάξει προχειροφτιαγμένο υλικό». Το κλειδί της μεθόδου της είναι η μορφή υποτίτλων .ass, η οποία δημιουργήθηκε δεκαετίες πριν για λογισμικό fansubbing (μεταγλώττισης από θαυμαστές) όπως το Advanced SubStation Alpha.
Σε αντίθεση με πιο απλές και δημοφιλείς μορφές υποτίτλων, η .ass υποστηρίζει προηγμένες δυνατότητες όπως ειδικές γραμματοσειρές, χρώματα, τοποθέτηση, έντονη γραφή, πλάγια, υπογράμμιση και πολλά άλλα.
Αυτά ακριβώς τα χαρακτηριστικά επέτρεψαν στη F4mi να κρύψει δεδομένα που μπερδεύουν την τεχνητή νοημοσύνη μέσα στις μεταγραφές των βίντεό της, χωρίς να επηρεάζεται η εμπειρία των ανθρώπων που τις διαβάζουν. Για κάθε κομμάτι πραγματικού κειμένου στους υπότιτλους της, πρόσθεσε επίσης «δύο κομμάτια κειμένου εκτός ορατού πεδίου, χρησιμοποιώντας τη δυνατότητα τοποθέτησης της μορφής .ass, με το μέγεθος και τη διαφάνεια ορισμένα στο μηδέν ώστε να είναι πλήρως αόρατα».
Σε αυτά τα «αόρατα» πλαίσια υποτίτλων, η F4mi πρόσθεσε κείμενα από έργα που βρίσκονται στο δημόσιο τομέα (αλλάζοντας κάποιες λέξεις με συνώνυμά τους για να αποφύγει την ανίχνευση) ή δικά της σενάρια που δημιουργήθηκαν από γλωσσικά μοντέλα μηχανικής μάθησης (LLM) και είναι γεμάτα με εντελώς ψεύτικα στοιχεία. Όταν αυτά τα αρχεία μεταγραφών τροφοδοτούνται σε δημοφιλείς AI summarizer ιστοσελίδες, το άχρηστο αυτό κείμενο κατακλύζει το πραγματικό περιεχόμενο, δημιουργώντας ένα τελείως άσχετο σενάριο που δεν μπορεί να χρησιμοποιηθεί από κανένα faceless κανάλι.
Η F4mi αναφέρει ότι προηγμένα μοντέλα όπως το ChatGPT ήταν μερικές φορές σε θέση να φιλτράρουν το άχρηστο περιεχόμενο και να παράγουν μια ακριβή περίληψη των βίντεό της παρά τις παγίδες. Ωστόσο, με λίγη επιπλέον δουλειά στον κώδικα, ένα αρχείο .ass μπορεί να χωριστεί σε μεμονωμένα γράμματα με χρονική σήμανση, τα οποία μπορούν να ανακατευτούν μέσα στο αρχείο, ενώ εξακολουθούν να εμφανίζονται σωστά στο τελικό βίντεο. Αυτό δημιουργεί έναν δύσκολο (αν και όχι αδύνατο) γρίφο ακόμα και για προηγμένες τεχνητές νοημοσύνες.
Ο αγώνας συνεχίζεται
Αν και το YouTube δεν υποστηρίζει εγγενώς τη μορφή .ass, υπάρχουν εργαλεία που επιτρέπουν στους δημιουργούς να μετατρέπουν τους .ass υπότιτλους σε μορφή .ytt, που προτιμά το YouTube. Δυστυχώς, αυτοί οι υπότιτλοι δεν εμφανίζονται σωστά στην έκδοση του YouTube για κινητά, όπου τα επανατοποθετημένα .ass στοιχεία εμφανίζονται απλώς ως μαύρα κουτιά που καλύπτουν το βίντεο.
Η F4mi κατάφερε να ξεπεράσει αυτό το πρόβλημα γράφοντας ένα Python script που κρύβει τις ψευδείς λεζάντες ως μαύρο κείμενο πάνω σε μαύρο φόντο, ώστε να γεμίζει την οθόνη όταν η σκηνή μαυρίζει. Ωστόσο, στη περιγραφή του βίντεό της αναφέρει ότι «κάποιοι είδαν το τηλέφωνό τους να κρασάρει λόγω των πολύ βαριών υποτίτλων», γεγονός που δείχνει ότι αυτή η τακτική έχει κάποιο κόστος από άποψη απόδοσης.
Η ίδια παραδέχεται επίσης ότι η μέθοδός της δεν είναι αλάνθαστη. Εργαλεία όπως το OpenAI Whisper, τα οποία βασίζονται στην ακρόαση του ηχητικού κομματιού, μπορούν να δημιουργήσουν χρήσιμες μεταγραφές χωρίς να χρειάζονται το αρχείο υπότιτλων. Επίσης, ένας AI-powered screen reader θα μπορούσε πιθανώς να εξαγάγει εύκολα τους ανθρώπινα αναγνώσιμους υπότιτλους από οποιοδήποτε βίντεο.
Ωστόσο, η μικρή αυτή κίνηση της F4mi είναι μέρος ενός ευρύτερου κινήματος που μάχεται ενάντια στους AI scrapers που προσπαθούν να απορροφήσουν και να ανακυκλώσουν τα πάντα από το δημόσιο διαδίκτυο. Δεδομένης της συνεχιζόμενης μάχης των δημιουργών ενάντια στην αυτόματη λογοκλοπή, δεν θα είναι η τελευταία προσπάθεια που θα δούμε από τους YouTube creators να προστατεύσουν το περιεχόμενό τους από τέτοιου είδους AI «περιλήψεις».
