Sora - изкуственият интелект, който ще промени света на видеото и анимацията (ВИДЕО)

За добро или за лошо най-вероятно до една година ще бъде трудно да се различат реални кадри от генерирани

Ключови думи: sora, изкуствен интелект, openai, видео, генериране

20 Февруари 2024, Вторник, 21:30 ч.

Автор: Георги РУСЧЕВ

Само допреди 2 години бе абсурдно дори да си помислим, че машина може да „рисува”, днес вече и „снима с камера”

Само две години минаха, откакто станахме свидетели на революция в изкуствения интелект по отношение на генериране на картинки. Няколко скандала, един сериозен протест от страна на дизайнери и артисти, и 24 месеца по-късно тази технология не спира да се развива. Към момента например midjourney, за което писахме няколко пъти в процеса му на развитие, вече е в шеста версия и генерира картинки, които са на практика неразличими от реалността по такъв начин, че е трудно да се разбере дали творението е дело на машина, или на талантлив художник или фотограф.

Бъдещето е тук! Попътувайте в подсъзнанието си с изкуствения интелект, рисуващ изумителни картини

Платформата работи по сравнително лесен начин - пишете текст за това, което искате да видите, а изкуственият интелект ви разбира и създава визуалното съдържание по процес, наречен stable diffusion. Той работи много подобно на това, което правят и човешките художници и това не би трябвало да е изненада - първо очертава силует и основни цветове, после добавя детайли и накрая финализира изображението.

Скоростното развитие на изкуствения интелект вдигна на протест художници и дизайнери

Самото то пък е базирано на огромна база от данни, удобно за целите на обучението на машината категоризирани по тагове или ключови думи, които дават както допълнителна насока на „интелекта”, така и позволяват той по-добре да разпознава написаното от потребителя, за да извади най-близката до пожеланото картинка. Разбира се има проблем - ако пуснете един и същ текст няколко поредни пъти, резултатите, които ще извади ИИ, ще са коренно различни - нито една от картинките няма да прилича по нищо на предходната. Това означава, че този тип технология е силно ограничен до създаването на стационарни изображения.

Можете ли да разпознаете коя от тези картинки е истинска и коя генерирана от изкуствен интелект

Видеото представлява серия от такива, които се сменят по един или друг начин всеки миг. Така например стандарта в кинто и до момента е 24 кадъра в секунда, макар дигиталното видео да позволява много по-високи честоти, наречени framerate. От всеки магазин за техника можете да си закупите видеокамера, която да снима най-малко в 60 или 120 кадъра в секунда, което ще ви предостави не само „по-плавна” и добре изглеждаща картина, но и да забавяте видяното - да гледате на каданс. Обикновените мобилни телефони в наши дни също са способни на това.

По-малко от две години в развитието на изкуствения интелект доведе до тези резултати по отношение на снимките. Може ли да имаме прогрес и в други направления със същите темпове? По-скоро да. Използваният текст за тази поредица е: "beautiful female model portrait of a fashion photoshoot focusing on the face and eyes with stylish make up and long blond hair"

Тоест с други думи - за да имате видео, е необходимо да имате камера, която прави десетки изображения всяка секунда, и да имате субект, който не се променя с времето. За да е достатъчно убедителен образът, той трябва да е реалистичен за човешкото око до такава степен, че да няма „артефакти”, които да го направят подозрително. В този смисъл изкуственият интелект не може да генерира видео. Нали? Нали?!

Грешен отговор. Реалността отново се промени и този път промяната е водена от друг гигант - същата компания, която разработи и създаде другият потресаващ инструмент - ChatGPT, с който за секунди можете да генерирате текст или да получите информация, или да си напишете домашната работа. Новата платформа се казва “Sora” и макар още да не е публично достъпна, както ChatGPT и дори MidJourney, демонстрираното от нея е повече от потресаващо.

Да, Sora генерира видеа, неразличими от реалността, като просто използва ваш текст, като задание. Нито едно от видеата долу не е снимано от човек и за създаването му не е използвана камера. Не е и създадено от опитен в сферата на триизмерното моделиране артист. Всичко е генерирано от Sora единствено и само с помощта на текст, който да „поиска” от машината да създаде видеото. Не само това, за генерирането не се изисква дълго време - обикновено няколко минути за 40-50 секунден клип. Нещо повече - не е задължително клипът да следва само един субект и да е „сниман” от един ъгъл. Sora може да създава и трейлъри на филми и цели сцени, и композиции. Привидно неразличими от такива, които биха били снимани по традиционния метод.

От реалистични кадри на хора, които се движат, през нереални футуристични сцени, та чак до анимация в стила на „Дисни” или „Пиксар” - всичко това, е генерирано безпроблемно от новия модел на OpenAI. И очаквано светът отново е разделен.

От една страна стоят оптимистите, които се нетърпение чакат всеки пробив на тази технология, защото подозират, че чрез нея светът ще стане много по-лесен за навигация. И може би по-свободен.

От друга, разбира се, са тези, които знаят, че тази технология може и със сигурност ще бъде използвана с лоши намерения.

Съвсем скоро, след може би по-малко от година, ще станем свидетели на първите действително фалшиви новини по отношение на световни събития. Генериран от този или друг изкуствен интелект клип ще влезе в новините и ще бъде представен за реалност. И тогава ще трябва да си зададете въпроса способни ли сте да различавате истинско от фалшиво? И вероятно отговорът ще е отрицателен - за добро или за лошо.

В категории: IT и технологии