經(jīng)濟(jì)導(dǎo)報(bào)記者 劉勇
這個(gè)春節(jié)假期什么最火？那肯定是Sora！OpenAI發(fā)布的人工智能文字生成視頻大模型。
美國(guó)當(dāng)?shù)貢r(shí)間2024年2月15日，OpenAI正式發(fā)布文生視頻模型Sora，并發(fā)布了48個(gè)文生視頻案例和技術(shù)報(bào)告，正式入局視頻生成領(lǐng)域。
Sora能夠根據(jù)提示詞可以快速制作最長(zhǎng)一分鐘、準(zhǔn)確反映用戶提示、可一鏡到底的視頻，視頻中可包含多個(gè)角色、特定的動(dòng)作、主題和背景，在單個(gè)視頻中Sora還可創(chuàng)建多個(gè)鏡頭，多角度保留角色和視覺的風(fēng)格。“碾軋”了行業(yè)目前大概只有平均“4s”的視頻生成長(zhǎng)度。
此外，還可以使用Sora連接兩個(gè)輸入視頻，在具有完全不同主題和場(chǎng)景組成的視頻之間實(shí)現(xiàn)無(wú)縫過渡。
百度百科的解釋是，Sora繼承了DALL-E 3的畫質(zhì)和遵循指令能力，可以根據(jù)用戶的文本提示創(chuàng)建逼真的視頻。該模型可以深度模擬真實(shí)物理世界，能生成具有多個(gè)角色、包含特定運(yùn)動(dòng)的復(fù)雜場(chǎng)景，能理解用戶在提示中提出的要求，還了解這些物體在物理世界中的存在方式。
Sora對(duì)于需要制作視頻的藝術(shù)家、電影制片人或?qū)W生帶來(lái)無(wú)限可能，其是OpenAI“教AI理解和模擬運(yùn)動(dòng)中的物理世界”計(jì)劃的其中一步，也標(biāo)志著人工智能在理解真實(shí)世界場(chǎng)景并與之互動(dòng)的能力方面實(shí)現(xiàn)飛躍。
針對(duì)此次Sora所帶來(lái)的討論，360創(chuàng)始人周鴻祎在社交網(wǎng)絡(luò)上也分享了自己的看法。他認(rèn)為，Sora的誕生意味著AGI(通用人工智能)實(shí)現(xiàn)可能從10年縮短至一兩年。
談到Sora最大的優(yōu)勢(shì)，周鴻祎表示，以往文字視頻軟件都是在2D平面上對(duì)圖形元素進(jìn)行操作，可以把視頻看成多個(gè)真實(shí)圖片的組合，并沒有真正掌握這個(gè)世界的知識(shí)。但Sora產(chǎn)生的視頻里，它能像人一樣理解坦克是有巨大沖擊力的，坦克能撞毀汽車，而不會(huì)出現(xiàn)汽車撞毀坦克這樣的情況，“一旦人工智能接上攝像頭，把所有的電影都看一遍，把各視頻平臺(tái)的視頻都看一遍，對(duì)世界的理解將遠(yuǎn)遠(yuǎn)超過文字學(xué)習(xí)。一幅圖勝過千言萬(wàn)語(yǔ)，而視頻傳遞的信息量又遠(yuǎn)遠(yuǎn)超過一張圖，這就離AGI真的不遠(yuǎn)了，不是10年20年的問題，可能一兩年很快就可以實(shí)現(xiàn)。”
而在業(yè)內(nèi)專家看來(lái)，認(rèn)為AGI能在一兩年內(nèi)實(shí)現(xiàn)的觀點(diǎn)過于樂觀。中國(guó)人工智能產(chǎn)業(yè)聯(lián)盟安全治理委員會(huì)專委會(huì)副主委、浙江大學(xué)教授潘恩榮認(rèn)為，AGI在一兩年內(nèi)實(shí)現(xiàn)不能作為一種真實(shí)的預(yù)測(cè)。“因?yàn)槲覀冎v的通用人工智能往往指的是‘人’作為主體所作用的能力，然而現(xiàn)在人工智能能實(shí)現(xiàn)的事情，更像是‘物’的能力。”
不過也有人擔(dān)心，Sora大面積使用，AGI的實(shí)現(xiàn)也是必然，只是時(shí)間長(zhǎng)短的問題。那么一旦AGI到來(lái)，是否會(huì)真的出現(xiàn)電腦的自我意識(shí)覺醒?畢竟人類是通過視覺感知認(rèn)知世界，才能把一個(gè)具體的世界(畫面)和大腦里的文字等抽象概念進(jìn)行連接的。也就是說畫面視頻和文字是互相對(duì)應(yīng)的。而sora已經(jīng)解決了抽象到具體表象，也能表象到抽象!這是什么意思?它已經(jīng)能理解人類世界了。這就是他自我意識(shí)的覺醒。
那么問題來(lái)了，一旦AGI實(shí)現(xiàn)，真的會(huì)出現(xiàn)電影中的情景——人工智能的自我意識(shí)覺醒嗎?
