AI được dùng để "hồi sinh" giọng nói của các phi công đã tử nạn, gây tranh cãi về quyền riêng tư

Trong một dấu hiệu mới nhất cho thấy sức mạnh và những rủi ro tiềm ẩn của trí tuệ nhân tạo (AI), Hội đồng An toàn Giao thông Quốc gia Hoa Kỳ (NTSB) đã phải tạm thời khóa hệ thống dữ liệu công khai của mình. Nguyên nhân là do phát hiện giọng nói của các phi công đã thiệt mạng trong một vụ tai nạn máy bay UPS năm ngoái đã được tái tạo bằng AI và lan truyền trên mạng.

Theo luật liên bang, NTSB bị cấm công bố bản ghi âm thanh buồng lái trong hệ thống dữ liệu của mình, vốn chứa nhiều thông tin điều tra và thường mở cửa cho công chúng. Tuy nhiên, hồ sơ tai nạn của chuyến bay này lại bao gồm một tệp phổ tần (spectrogram) của máy ghi âm giọng nói. Phổ tần là một hình ảnh được tạo ra bằng quy trình toán học để chuyển đổi tín hiệu âm thanh, bao gồm cả tần số thấp và cao, thành dạng thị giác.

Kỹ thuật tái tạo âm thanh từ hình ảnh

Scott Manley, một YouTuber nổi tiếng chuyên về vật lý, thiên văn học và trò chơi điện tử, đã từng nhận định trên mạng xã hội X rằng việc tái tạo âm thanh từ hàng megabyte dữ liệu được mã hóa trong hình ảnh phổ tần đó là hoàn toàn khả thi.

Và điều đó đã thực sự xảy ra. Theo NTSB, mọi người đã lấy tệp phổ tần kết hợp với bản ghi chép lời thoại công khai để tạo ra bản sao gần đúng cho âm thanh máy ghi âm buồng lái của chuyến bay 2976 của UPS tại Louisville, Kentucky. Các bài đăng trên mạng xã hội cho thấy người dùng đã sử dụng các công cụ AI như Codex để thực hiện việc này.

Phản ứng của cơ quan chức năng

Để đối phó với tình hình này, cơ quan chức năng đã khôi phục quyền truy cập công khai vào hệ thống dữ liệu vào thứ Sáu vừa qua. Tuy nhiên, quyền truy cập vẫn bị hạn chế đối với 42 cuộc điều tra, bao gồm cả vụ việc liên quan đến Chuyến bay 2976, cho đến khi quá trình xem xét và đánh giá rủi ro được hoàn tất.

Vụ việc không chỉ cho thấy sự tiến bộ vượt bậc của công nghệ xử lý âm thanh và AI mà còn đặt ra những câu hỏi hóc búa về đạo đức và quyền riêng tư dữ liệu, ngay cả khi dữ liệu đó được công khai dưới dạng hình ảnh thay vì âm thanh trực tiếp.