OpenAI nesen atklāja savu jaunāko radījumu – Soru, generatīvu AI sistēmu, kas spēj pārvērst teksta norādes par iespaidīgām īsfilmām. Lai gan Soru vēl nav pieejams publikai, OpenAI izlaidušie parauga izvades ir radījušas sajaukumu no izsauksmes un bažām.
Soru, atšķirībā no izmantošanas iepriekš ierakstītiem kadriem vai īpašiem efektiem, izmanto difūzijas transformatora modeli, lai radītu video. Šis modelis apvieno teksta un attēla ģeneratoru rīkus, lai radītu loģiskas un kohērentas sekvences kadrus. Pretēji tradicionālajiem transformatoriem, kas analizē tekstu, Soru izmanto simbolus, kas pārstāv mazus laika un telpas fragmentus, lai izveidotu attēlu starp kadrus.
Lai gan Soru nav pirmā teksta uz video modelis, šķiet, ka tas pārspēj savus priekšgājējus. Lai gan Google nesen izlaidusī Lumiere ir ierobežots līdz 512 x 512 pikseļiem un 5 sekundes ilgiem video, Soru var radīt video ar izšķirtspēju līdz 1920 x 1080 pikseļiem un ilgu līdz 60 sekundēm. Turklāt Soru spēj radīt video, kas sastāv no vairākiem kadriem, veikt video rediģēšanas uzdevumus un pagarināt video laiku.
Soru potenciālās pielietojuma iespējas ir plašas. Spējot radīt video ekonomiski efektīvā veidā, tas var kalpot kā vērtīgs prototipēšanas programmatūras līdzeklis ideju vizualizēšanai. Turklāt tas sola daudzsološas ietekmes dažādās nozarēs, ieskaitot izklaide, reklāmu un izglītību.
Neskatoties uz uzrunājošajām iespējām, par Soras sabiedrisko un ētisko ietekmi ir radušās bažas. Spēja radīt ļoti reālistiskus video no tekstveidām rada satraucošas iespējas informācijas manipulēšanai un dezinformācijas izplatīšanai. Ar rīkiem kā Soru ģenerētie deepfake video var apdraudēt sabiedrības veselības pasākumus, iejaukties vēlēšanās un noslogot tiesu sistēmu ar viltotiem pierādījumiem.
Neskatoties uz to, ka Soru pārstāv ievērojamu progresu teksta uz video ģenerēšanā, eksperti aicina izrādīt piesardzību tā pielietojumā. Pilnīgas simulators izveides izaicinājums, kas spēj simulēt fizisko un ķīmisko pasauli ar lielāko precizitāti, joprojām ir būtisks. Tomēr, tā kā tehnoloģijas attīstās, ir iespējams, ka nākotnes video ģeneratoru versijas kā Soru var piedāvāt ārkārtīgas zinātniskas lietojumprogrammas.
OpenAI pētījuma raksts par Soru norāda, ka lielākas video ģeneratoru versijas var kalpot kā spēcīgi simulatori fiziskajai un digitālajai pasaulei un tajā esošajiem objektiem. Lai arī visaptverošas simulācijas sasniegšana saglabā būtiskus izaicinājumus, Soru un līdzīgas sistēmas var segt ceļu reālistiskas video ģenerēšanai, kas var nākt par labu plašam jomu klāstam, vienlaikus radot nopietnas ētiskas bažas.
The source of the article is from the blog revistatenerife.com