清澈灵动的眼眸、活泼可爱的萌宠、神秘莫测的海底世界、熙熙攘攘的夏日街区、充满科技感的魔幻都市……这些场景逼真、色彩丰富、氛围浓厚的短视频,全部可以由AI系统制作生成。
2023年,ChapGPT打开AI新世界。AI聊天、AI绘画、AI音乐等一系列AIGC(利用人工智能技术生成内容)相继问世。
2024年初,Sora横空出世,又会带来哪些颠覆性的影响?
一只猫叫醒了正在睡觉的主人,要求吃早饭。主人试图忽略猫,但猫尝试了新的策略。图/OpenAI官网
Sora,比想象中来得更快
2月16日(北京时间),OpenAI公司发布最新“文生视频”大模型Sora,并附带发布了多条由Sora生成的视频。
Sora“逆天”在哪儿?它不仅能够根据文字指令创造出既逼真又充满想象力的场景,而且能生成长达1分钟的超长视频,远超出之前最多不足20秒的文生视频,并且还是一镜到底那种,电影感超强。
一位时尚女性走在充满温暖霓虹灯和动画城市标牌的东京街道上。图/OpenAI官网
从发布的视频来看,60秒的视频中,视频主体与背景保持了高度的流畅性与稳定性,在一个视频里实现多角度镜头,分镜切换符合逻辑且流畅。此外,Sora对于光影反射、运动方式、镜头移动等细节处理非常到位。
Sora的颠覆力来自哪里?Sora背后有两项核心技术突破——Spacetime Patch(时空Patch)技术和Diffusion Transformer(DiT,或扩散型 Transformer)架构。
如今,Sora团队毫无疑问已经成为世界上最受关注的技术团队之一。记者查询OpenAI官网发现,Sora团队由Peebles等3人领导,核心成员包括12人,其中有多位华人。值得注意的是,这支团队十分年轻,成立时间尚未超过1年。
Sora爆火,“AI革命”正式来临
发挥想象,几行文字指令,就可以迅速形成一条包含各种细节、复杂角度和富有情感的视频。OpenAI先进的AI技术拓展到了视频领域。
Sora将会产生哪些影响?Sora首先将会对娱乐影视、广告营销、教育学习、新闻社交和科学研究等领域产生影响。例如,Sora可以大大节约电影、广告片的创作成本;Sora可以通过创建复杂的动态模拟,再现难以在实验室条件下实现或观察的过程,将科学实验变得虚拟化和可视化。
纽约大学助理教授谢赛宁直言:“Sora将改写整个视频生成领域。”谢赛宁表示:“Sora或许并不需要人们想象中的那么多GPU来训练,如果真是如此,Sora的后期迭代将会非常快。”
英伟达人工智能研究院首席研究科学家Jim Fan认为,Sora是一个数据驱动的物理引擎,称这是视频生成领域的GPT-3时刻,“回到2020年,GPT-3不是一个很完美的模型,但是它有力证明了上下文学习的重要性,所以不要纠结于GPT-3的缺陷,多想想后面的GPT-4”。
360创始人周鸿祎也提到自己对Sora的看法。周鸿祎表示:“这次OpenAI利用它的大语言模型优势,让Sora实现了对现实世界的理解和对世界的模拟两层能力,这样产生的视频才是真实的,才能跳出2D的范围模拟真实的物理世界。”他认为,AI不一定那么快颠覆所有行业,但它能激发更多人的创作力,“今天Sora可能给广告业、电影预告片、短视频行业带来巨大的颠覆,但它不一定那么快击败TikTok,更可能成为TikTok的创作工具”。
周鸿祎也直言:“一旦人工智能接上摄像头,把所有的电影都看一遍,把YouTube和TikTok上的视频都看一遍,对世界的理解将远远超过文字学习,一幅图胜过千言万语,这就离AGI真的不远了,不是10年、20年的问题,可能一两年很快就可以实现。”
当然,对于刚刚面世的Sora而言也存在不足。OpenAI指出它可能难以准确模拟复杂场景的物理原理,并且可能无法理解因果关系。该模型还可能混淆提示的空间细节,例如混淆左右,并且可能难以精确描述随着时间推移发生的事件,例如遵循特定的相机轨迹。
现实与虚拟的界线变得模糊可能带来系列风险
新模型Sora一方面让内容制作行业感受到了震撼,另一方面市场也在关注其存在的两大隐患。
首先,有广告投放公司的高管表示,这对于广告行业而言是一个巨大的转折点。过去制作视频广告的成本非常高,通常只有大品牌才能承担,而如今,Sora模型为中小企业提供了制作视频广告的新机遇。然而,关于内容版权,仍有一些疑问。目前OpenAI并没有透露训练模型涉及的视频数量以及其具体来源,只是表示所有训练材料均来自公开渠道或者是已授权的内容。
另一大担忧则在于深度伪造。今年是全球选举大年,据统计将影响到包括40多个国家的40多亿人。AI深度伪造技术可能会产生大量的虚假音视频以及图像来影响选举。
这通伪造的电话录音以拜登的口头禅“真是一派胡言”开头,建议选民不要给特朗普投票,而是把选票留到11月大选时投给民主党。图/央视新闻
脸书母公司Meta的全球事务总裁直言,无法“一刀切”直接禁止AI生成的内容在社交媒体传播,因为“打地鼠式”的做法总是会有漏洞存在,现在采取的做法主要是披露,任何由AI生成的内容都需要打上水印,告知看到的用户。不过如何识别不同平台生成的AI内容,还是一大难点。
内容真实性、版权、隐私、数据、安全等问题纷至沓来。社会需要一套完善的政策、法律和伦理规范来应对,确保技术发展不脱轨,保护每个人的利益。
此外,AI对就业的影响可能会进一步加剧。据《青年参考》消息,国际货币基金组织(IMF)表示,人工智能将影响全球近40%的工作岗位,应制定一套政策,利用人工智能的潜力造福人类。