Sora, новият инструмент за конвертиране на текст към видео на OpenAI, предизвиква вълнение и страхове. Ето какво знаем за него

Sora е новият генератор на текст към видео OpenAI на създателя на ChatGPT. Ето какво знаем за новия инструмент, предизвикващ в еднаква степен безпокойство и вълнение.

Създателят на ChatGPT вече се гмурка в света на видеото, създадено от изкуствен интелект (AI).

Запознайте се със Sora - новия генератор на текст към видео на OpenAI. Инструментът, който базираната в Сан Франциско компания представи в четвъртък, използва генериращ AI за незабавно създаване на кратки видеоклипове въз основа на писмени команди.

Sora не е първата, която демонстрира този вид технология. Но анализаторите от индустрията посочват високото качество на показваните досега видеоклипове на инструмента и отбелязват, че въвеждането му бележи значителен скок както за OpenAI, така и за бъдещето на генерирането на текст към видео като цяло.

Все пак, както при всички неща в бързо разрастващото се пространство на AI днес, такава технология също поражда страхове относно потенциални етични и обществени последици. Ето какво трябва да знаете.

Какво може да прави Sora и мога ли да го използвам още?

Sora е генератор на текст към видео - създава видеоклипове с дължина до 60 секунди на базата на писмени указания с помощта на генериращ AI. Моделът може също да генерира видео от съществуващо неподвижно изображение.

Generative AI е клон на AI, който може да създаде нещо ново. Примерите включват чатботове, като ChatGPT на OpenAI, и генератори на изображения като DALL-E и Midjourney.

Настройването на AI система за генериране на видеоклипове е по-ново и по-предизвикателно, но разчита на част от същата технология.

Sora не все още не е достъпен за обществено ползване (OpenAI казва, че се ангажира с политици и артисти, преди официално да пусне инструмента) и има много неща, които все още не знаем. Но след съобщението в четвъртък компанията сподели шепа примери за видеоклипове, генерирани от Sora, за да покаже какво може да направи.

също се обърна към X, платформата, известна преди като Twitter, за да попита потребителите на социалните медии за изпращане на бързи идеи.

По-късно той сподели видеоклипове с реалистични детайли, които отговарят на подкани като „два златни ретривъра, подкастиращи на върха на планина“ и „велосипедно състезание в океана с различни животни като спортисти, каращи велосипеди с изглед от дрон камера“.

Въпреки че видеоклиповете, генерирани от Sora, могат да изобразяват сложни, невероятно детайлни сцени, OpenAI отбелязва, че все още има някои слабости - включително някои пространствени и причинно-следствени елементи.

Например, OpenAI добавя на уебсайта си, „човек може да отхапе от бисквитка, но след това бисквитката може да няма следа от ухапване“.

Какви други инструменти за видео, генерирани от AI, съществуват?

Sora на OpenAI не е първият по рода си. Google, Meta и стартъпът Runway ML са сред компаниите, които са демонстрирали подобна технология.

Все пак анализаторите в индустрията подчертават очевидното качество и впечатляващата дължина на видеоклиповете на Sora, споделени досега.

Фред Хавемайер, ръководител на американския AI и софтуерни изследвания в Macquarie, каза, че стартирането на Sora бележи голяма крачка напред за индустрията.

„Не само можете да правите по-дълги видеоклипове, но и разбират до 60 секунди, но също така създаваните видеоклипове изглеждат по-нормални и изглежда, че всъщност зачитат повече физиката и реалния свят“, каза Хавемайер.

„Вие не получавате толкова много видеоклипове или фрагменти от „зловеща долина“ във видео емисиите, които изглеждат... неестествено“.

Въпреки че има „огромен напредък“ в генерираното от AI видео през последната година – включително представянето на Stable Video Diffusion миналия ноември – старши анализаторът на Forrester Роуън Къран каза, че такива видеоклипове изискват повече „сглобяване“ за съгласуваност на героите и сцените.

Съгласуваността и дължината на видеоклиповете на Sora обаче представляват „нови възможности за творците да включат елементи от видео, генерирано от изкуствен интелект, в по-традиционно съдържание, а сега дори да генерират пълноценни наративни видеоклипове от един или няколко подкани," каза Къран на Асошиейтед прес по имейл в петък.

Какви са потенциалните рискове?

Въпреки че способностите на Sora изумиха наблюдателите от пускането в четвъртък насам, безпокойството относно етичните и обществени последици на използваните видео, генерирани от изкуствен интелект, също остава.

Хейвмайер посочва например значителните рискове в потенциално напрегнатия изборен цикъл през 2024 г.

Наличието на „потенциално магически“ начин за генериране на видеоклипове, които могат да изглеждат и звучат реалистично, поставя редица проблеми в политиката и извън нея, добави той - посочвайки опасения за измама, пропаганда и дезинформация.

„Отрицателните външни ефекти на генеративния AI ще бъдат критична тема за дебат през 2024 г.“, каза Хавемайер. „Това е съществен проблем, с който всеки бизнес и всеки човек ще трябва да се изправи тази година“.

Технологичните компании все още решават, когато става въпрос за управление на ИИ и неговите рискове, тъй като правителствата по света работят за улавяне нагоре.

През декември Европейският съюз постигна споразумение относно първите в света всеобхватни правила за ИИ, но актът няма да влезе в сила преди две години след окончателното одобрение.

В четвъртък OpenAI заяви, че предприема важни стъпки за безопасност, преди да направи Sora широко достъпна.

„Ние работим с червени екипи – експерти по домейни в области като дезинформация, насаждащо омраза съдържание и пристрастия – които ще тестват модела по противников начин,“ пише компанията.

„Ние също изграждаме инструменти, които да помогнат за откриването на подвеждащо съдържание, като например класификатор за откриване, който може да разбере кога видеоклипът е генериран от Sora.

Вицепрезидент на OpenAI по глобалните въпроси, Анна Маканджу повтори това, когато говори в петък на Мюнхенската конференция по сигурността, където OpenAI и 19 други технологични компании обещаха да работят доброволно заедно за .

Тя отбеляза, че компанията пуска Sora „по начин, който е доста предпазлив“.

В същото време OpenAI разкри ограничена информация за това как е построена Сора.

Техническият доклад на OpenAI не разкрива какви изображения и видео източници са използвани за обучение на Sora - и компанията не отговори незабавно на искане за допълнителен коментар в петък.

Съобщението на Sora също пристига на фона на съдебни дела срещу OpenAI и неговия бизнес партньор Microsoft от някои автори и The New York Times за използването на защитени с авторски права писмени произведения за обучение на ChatGPT.

Последвайте ни в