Naukowcom z MIT oraz firm Microsoft i Adobe udało się stworzyć taki algorytm, który potrafi rekonstruować dźwięk na podstawie "niemego" nagrania wideo. Jak to możliwe?

Kiedy w otoczeniu jest jakiś dźwięk, niektóre przedmioty przejmują drgania. Mogą to być np. paczki od chipsów, folia aluminiowa, powierzchnia wody albo nawet liście rośliny doniczkowej. Drgania tych przedmiotów są nie do zaobserwowania gołym okiem, ale można je obserwować dzięki kamerom. Naukowcy w swoich eksperymentach użyli zarówno specjalnych kamer (nagrywających z prędkością 2-5 tys. klatek na sekundę), jak i kamer standardowych.

Okazało się, że naukowcy byli w stanie odczytać dźwięki mowy, filmując z odległości 4,5 metra paczkę chipsów znajdującą się w pomieszczeniu (za szybą nieprzepuszczającą dźwięku). Udało się również odczytać dźwięk z filmu nagranego zwykłą kamerą, choć w tym przypadku rezultat był gorszy. Zarejestrowanie drgań o częstotliwości wyższej niż szybkość nagrywania jest możliwe dzięki metodzie, jakiej używają współczesne kamery do zapisywania obrazu.

Film poniżej prezentuje osiągnięcie naukowców.

Do czego to się może przydać? Oczywiście podsłuchiwanie jest pierwszym, co przychodzi na myśl. Warto tu przypomnieć, że w Polsce powstają założenia do ustawy o monitoringu, które mówią o zakazie rejestrowania dźwięku i obrazu jednocześnie. Teraz widzimy, że przy odpowiednim rozwoju technologii nawet obraz wystarczyłby do podsłuchiwania.

Oczywiście naukowcy nie myśleli o podsłuchiwaniu. Samo rozwijanie algorytmu, badanie cech dźwięku i cech przedmiotów może być dla naukowców ciekawe. Niemniej trudno sobie wyobrazić, że organizacje takie jak NSA nie zaczną się interesować tym osiągnięciem.