Може ли генераторът за текст-към-видео Sora на OpenAI да убие работни места в Холивуд?

Стартъпът за изкуствен интелект OpenAI дразни новия си AI видео генератор, Sora, в социалните медии през последните седмици. Миналата седмица разкри, че също така е дало на актьори и режисьори в Холивуд първи поглед върху технологията – и шанс да я изпробват – преди Sora да бъде пусната публично.

OpenAI публикува публикация в блог на 24 март, озаглавена „Първите впечатления на Сора“, показваща работата, която няколко творчески студия и режисьори са създали с помощта на видеогенератора.

Някои медийни експерти спекулират, че Sora ще бъде изключително разрушителен за филмовата творческа индустрия.

Ал Джазира разговаря с един изпълнителен директор, който работи в Холивуд, който ни помоли да не разкриваме самоличността му поради деликатния характер на темата. На въпроса каква беше първоначалната му реакция, когато видя способностите на Сора за първи път, той каза: „Реакцията ми на Сора беше точно като на всички останали – челюстта ми удари пода. Сякаш виждахме нашия убиец, но в същото време беше красиво. Веднага впечатляващо и ужасяващо.“

Трусовете, причинени от Sora, вече са усетени от някои в индустрията.

В интервю за The Hollywood Reporter през февруари актьорът, режисьор и собственик на студио Тайлър Пери заяви, че ще спре разширяването на своето студио в Атланта за 800 милиона долара, след като види възможностите на Sora за генериране на видео.

Той добави: „Така че съм много, много загрижен, че в близко бъдеще много работни места ще бъдат загубени. Наистина, наистина го чувствам много силно.“

Какво е Sora?

Sora е генериращият AI модел текст към видео на OpenAI. Подобно на ChatGPT, въвеждате текстова подкана, но вместо да генерира отговори на въпроси или подкани в текстова форма, Sora ще генерира видеоклипове с дължина до една минута.

Видео пример за възможностите на Sora, пуснат от Open AI, може да се види по-долу:

Сам Алтман, главен изпълнителен директор на OpenAI, също публикува няколко примера в своя X акаунт, включително по-долу:

https://t.co/rmk9zI0oqO pic.twitter.com/WanFKOzdIw

— Сам Алтман (@sama) 15 февруари 2024 г.

Сора далеч не е перфектна. Ако се вгледате внимателно във видеото с „обучителна готварска сесия“, лъжицата в дясната ръка изчезва, след като „бабата“ спре да бърка. Въпреки че е хиперреалистична, способността за разпознаване на фалшификати все още присъства в някои от видеоклиповете, които Сора създава.

Това повдигна още един въпрос доколко продукт като този ще работи в индустрията.

Наш холивудски вътрешен човек заяви следното: „Ние ще излезем от другата страна по-големи и по-добри, защото хората ще са разбрали своето място на върха на технология, която е очевидно по-мощна, отколкото можем да си представим в момента. Но желанието да играят, пишат, режисират, композират, сътрудничат и т.н. е дълбоко вродено в хората. Никъде не отива. Така че лошо ли е за хората в индустрията? Отговорът е не, след това да, след това не. Добре ли е за самата индустрия? Да.

Как работи Sora?

Както при ChatGPT, потребителите въвеждат текстова команда, въпрос или подкана и AI отговаря – в случая на Sora, с генерирани видео поредици.

За да направи това, Sora използва комбинация от машинно обучение и обработка на естествен език (NLP), за да генерира видео поредица. НЛП е форма на изкуствен интелект, която разбира взаимодействието между компютрите и човешкия език. Машинното обучение позволява на Sora да се подобрява с течение на времето, като същевременно подобрява отговорите си чрез модели и обратна връзка.

Sora използва „компютърно зрение“, за да разбере и интерпретира визуална информация от изображения или видеоклипове. Компютърното зрение е софтуерна рамка, която казва на Сора да „разпознава“ визуални представяния на обекти, хора и среди от реалния свят от текстови описания, които включват визуален език. Например подканите „котка се движи“ или „вълни, разбиващи се в океан“ показват определени атрибути и характеристики. Sora се нуждае от този визуален език, за да интерпретира текстовата подкана и след това да представи точно визуално изображение на обект.

Sora може да събира непълни или частични данни и да ги трансформира в разбираемо видео съдържание, което изглежда много реално. Sora работи като супермощен инструмент за мащабиране. Започва с големи, размазани блокове от цвят или обекти и след това ги прецизира в по-малки, по-дефинирани форми въз основа на вашата подкана.

Какво означава Sora за творческите работни места във филмовата индустрия?

Все още не е ясно кои, ако има такива, задачи, обикновено изпълнявани от човешки създатели, могат да бъдат поети от Сора. Способността на изкуствения интелект да възпроизвежда снимки от камерата, осветление и герои в движение създава неизследвана територия за режисьори и режисьори. Въпреки това кинопрофесионалистите очакват това да разтърси значително индустрията.

Холивудски вътрешен човек, който говори с Ал Джазира при условие за анонимност, каза: „Не виждам това като заплаха за продукцията толкова, колкото като заплаха за начина, по който се прави продукцията, както го познаваме в момента. Виждали сме подобни събития в миналото, особено в постпродукцията, когато хората започнаха да редактират на лаптопи, вместо на големите скъпи пощенски къщи. Много хора бяха унищожени при този преход, докато други изведнъж можеха да си позволят подходящ редактор без режийните разходи, които изисква пощенската къща.“

На въпрос чии работни места могат да бъдат заменени от AI генератори, той добави: „Може би въпросът „кой ще бъде заменен“ е грешен въпрос. Мисля, че системата ще бъде премахната и заменена. След няколко години може би терминът „режисьор“ ще се отнася за човека, който подсказва AI, а останалото се прави изцяло цифрово. И ако този подход се приеме от публиката и прави пари и кара хората да изпитват човешка емоция – тогава играта е приключила за повечето от нас.“

Какви са авторските права и правните проблеми?

Sora изтегля съдържание от вече съществуващи изображения и видеоклипове, след което пресъздава видеоклип въз основа на подканата на потребителя. Кой точно притежава това регенерирано видео? Трябва ли да се плаща такса на всеки от създателите на снимки и видеоклипове и героите, чиято работа Сора използва, за да създаде крайния видеоклип? Това са въпроси, на които все още не е даден пълен отговор. 

В основата на много от горните въпроси е как да се проследи авторът на всяко генерирано съдържание, включително лицата, които са били включени в крайния видеоклип.

Говорейки в канала си в YouTube, технологичният адвокат Пол Хасуел обясни: „Ако някой просто използва AI модел и след това той по невнимание по някакъв начин засмуква някои данни, които в крайна сметка изглеждат като вас, какви са вашите права – личните ви данни ли са всъщност се злоупотребява? Как можете да докажете, че вашите данни са използвани за създаване на това подобие?“

Той добави: „Изведнъж се оказвате актьор в сапунка, изцяло генерирана от AI. Може да сте световно известни, но да не получавате заслуга за това. Може да имате по-скоро писклив, отколкото дълбок глас, но лицето ви ще бъде същото. Например, няма да имате кредит, защото по същество сте били използвани от AI, прехвърлени и изхвърлени в друг формат.“

Има и международни съображения, тъй като законът за авторското право е различен в зависимост от държавата. Ако видеоклипът произхожда от една държава и се разпространява в друга, чий закон за авторското право се прилага?

В своя блог Уолъс Колинс, адвокат в областта на развлеченията, който е специалист в законите за авторското право и търговските марки, предупреди, че Сора ще разшири всички тези проблеми „експоненциално“ и дори може да доведе до социални вълнения или други форми на социално разстройство.

„ИИ вече наруши закона за авторското право за творците, особено в музикалното пространство, и оспори установените норми за авторско право и интелектуална собственост в света на развлеченията. Без някакви правила за здрав разум, Sora може да бъде използвана от най-подлите хора за създаване на видеоклипове, които могат да осквернят, подведат и изплашат хората или дори да предизвикат бунтове въз основа на външния вид на нещо, което е напълно измислено, но напълно реалистично в външен вид.”

Как ще бъдат решени тези въпроси?

Значителна част от правната дискусия около генеративния AI се върти около въпроса кой трябва да се счита за автор на това, което генерират тези инструменти, тъй като е свързано с „честна употреба“. Законите за авторското право за честна употреба позволяват ограничено използване на защитени с авторски права материали или трансформиране на защитеното с авторски права произведение в различно произведение.

Понастоящем няма правен прецедент, обхващащ текущия напредък в генерирането на текст към видео. През декември миналата година обаче New York Times заведе федерално дело срещу ChatGPT на OpenAI (инструмент за генериране на текст към текст) и Copilot на Microsoft за нарушаване на авторски права в Южния окръг на Ню Йорк (федералния окръжен съд в Манхатън). The Times твърди, че ChatGPT на OpenAI предоставя на потребителите точно същото съдържание, което Times вече е предоставил.

Иън Кросби, адвокат на Times, каза: „Ответниците се стремят да се възползват от огромните инвестиции на Times в неговата журналистика, като ги използват за създаване на заместващи продукти без разрешение или плащане. Това не е честна употреба по никакъв начин.“

През февруари OpenAI подаде молба за отхвърляне на делото на Times във федералния съд.

Още две дела за нарушаване на авторски права бяха заведени в съда в Манхатън срещу OpenAI  – едното от The Intercept, а другото съвместно дело, заведено от Raw Story и AlterNet – през февруари.

Последвайте ни в