科技的日新月異總是讓人戰(zhàn)栗。

 

還沒(méi)出正月，就又被科技圈貼臉開(kāi)大了。

 

先是英偉達(dá)推出Chat With RTX，將每個(gè)人的電腦變成本地化系統(tǒng)大模型，緊接著谷歌AI推出Gemni1.5版本，最高支持100萬(wàn)tokens的上下文。

 

如果說(shuō)這兩件事只是在業(yè)界內(nèi)部掀起腥風(fēng)血雨，離普通人生活還遠(yuǎn)著呢。

 

那已經(jīng)有封神作品Chatgpt的OpenAI就是奔著干掉所有人來(lái)的，和Gemni1.5同天發(fā)布的文字生成視頻大模型Sora，只需輸入文字，就可以生成一段長(zhǎng)達(dá)60秒的高清視頻。不僅讓馬斯克感嘆：gg humans。還讓周鴻祎放話(huà)：AGI（通用人工智能）的實(shí)現(xiàn)將從10年縮短到1年。

 

影視工作者們又開(kāi)始新一輪的失業(yè)焦慮，而上一次集體焦慮的是去年年初面對(duì)Chatgpt的文字工作者。

 

不過(guò)話(huà)說(shuō)回來(lái)，文生視頻大模型也不是第一次出現(xiàn)了，Sora為什么能打敗一眾對(duì)手，成為里程碑？AGI時(shí)代真的馬上就要降臨了嗎？當(dāng)AI逐漸滲透生活，代替工作，我們又該怎么辦？

Sora為什么這么猛？

就像開(kāi)頭提到的，Sora并非首個(gè)文生視頻大模型。據(jù)不完全統(tǒng)計(jì)，截至去年年底，全球能實(shí)現(xiàn)文本生成視頻的大模型包括Runway、Pika、Stable Video Diffusion等20多個(gè)產(chǎn)品。

那為什么Sora的誕生仍然被稱(chēng)為里程碑呢？

對(duì)比來(lái)看，Sora的特別之處在于以下三個(gè)方面：

 

1.超長(zhǎng)生成時(shí)間。Sora支持60s視頻生成，而且一鏡到底，不僅主人物穩(wěn)定，背景中的人物表現(xiàn)也十分穩(wěn)定，可以從大中景無(wú)縫切換到臉部特寫(xiě)。

 

而在此之前，AI視頻工具都還在突破幾秒內(nèi)的連貫性，即使是Runway和Pika這樣的明星模型，生成的視頻長(zhǎng)度也僅有3到4秒，Sora的時(shí)?？梢哉f(shuō)已經(jīng)達(dá)到了史詩(shī)級(jí)的記錄。

2.單視頻多角度鏡頭。Sora可以在單個(gè)生成的視頻中創(chuàng)建多個(gè)鏡頭，模擬復(fù)雜的攝像機(jī)運(yùn)鏡，同時(shí)準(zhǔn)確地保持角色和視覺(jué)風(fēng)格。

 

在OpenAI的展示視頻中一只狼對(duì)著月亮嚎叫，感到孤獨(dú)，直到它找到狼群，多鏡頭無(wú)縫切換都保持了主體的一致。

3.理解物理世界。最重要的是，Sora不僅理解用戶(hù)在提示中要求的內(nèi)容，還能自己理解這些事物在現(xiàn)實(shí)世界中的存在方式。

 

比如畫(huà)家在畫(huà)布上留下筆觸，或者人物在吃食物時(shí)留下痕跡?；疖?chē)穿過(guò)東京郊區(qū)，隨著車(chē)窗內(nèi)外光線(xiàn)環(huán)境和物體的變化，車(chē)窗上倒影的變化也幾乎被按照現(xiàn)實(shí)世界的物理規(guī)律完美還原了出來(lái)。

而在技術(shù)方面，Sora打破了此前擴(kuò)散模型局限性。Sora采用的是 DALL·E 3 的重標(biāo)注技術(shù)，通過(guò)為視覺(jué)訓(xùn)練數(shù)據(jù)生成詳細(xì)描述的標(biāo)題，使模型更加準(zhǔn)確地遵循用戶(hù)的文本指令生成視頻，還能夠?yàn)楝F(xiàn)有圖片賦予動(dòng)態(tài)效果或延伸視頻內(nèi)容的長(zhǎng)度。

 

也就是說(shuō)，只需要一句話(huà)，Sora就能生產(chǎn)出一條高質(zhì)量的短視頻，甚至還能夠根據(jù)靜態(tài)圖像生成視頻，拓展現(xiàn)有視頻或填充缺失的幀。

 

這也是Sora最炸裂的點(diǎn)，我們已經(jīng)習(xí)以為常用大模型創(chuàng)造出不存在的事物，但是能夠準(zhǔn)確地理解物理世界運(yùn)轉(zhuǎn)邏輯，這些都是以前任何模型都無(wú)法完成的事情。

 

Sora所具備的模擬物理世界和數(shù)字世界的能力或?qū)⒓涌焓澜缒Ｐ偷膶?shí)現(xiàn)進(jìn)程，這一功能將成為實(shí)現(xiàn)AGI的重要里程碑。

AGI馬上就要實(shí)現(xiàn)了？

那是否真的像360創(chuàng)始人周鴻祎說(shuō)的一樣，Sora的誕生意味著AGI實(shí)現(xiàn)可能從10年縮短至一兩年呢？

 

在業(yè)內(nèi)專(zhuān)家看來(lái)，這個(gè)觀點(diǎn)有點(diǎn)過(guò)于樂(lè)觀。

 

就說(shuō)Sora本身也不是那么完美，還存在一堆BUG，比如難以準(zhǔn)確模擬復(fù)雜場(chǎng)景的物理原理，可能無(wú)法理解因果關(guān)系，還可能混淆文字提示的空間細(xì)節(jié)，也可能難以精確描述隨時(shí)間推移發(fā)生的事件。

 

例如五只灰狼幼崽在一條偏僻的碎石路上互相嬉戲、追逐的視頻，狼的數(shù)量會(huì)變化，一些憑空出現(xiàn)或消失。

而且聊的這么熱鬧的Sora并未向公眾開(kāi)放，就連在在OpenAI的官網(wǎng)上，關(guān)于Sora的內(nèi)容也是放入的research研究這個(gè)欄目，而不是產(chǎn)品的欄目，換句話(huà)說(shuō)Sora還不能算是一個(gè)成熟的產(chǎn)品。

與文本對(duì)話(huà)和圖片生成相比，按照現(xiàn)在技術(shù)路線(xiàn)描述的情況來(lái)看，Sora雖然在訓(xùn)練模型上不需要太多參數(shù)，但實(shí)際應(yīng)用由于推理生產(chǎn)視頻過(guò)程中將涉及較大數(shù)據(jù)量的計(jì)算，同時(shí)為追求較高的視頻生成效果，訓(xùn)練和推理過(guò)程中都需要進(jìn)行盡量多次數(shù)的迭代計(jì)算，將釋放大量算力需求。

 

Sora想要大規(guī)模商用，訓(xùn)練成本高昂、高質(zhì)量數(shù)據(jù)集的缺乏都是需要跨越的門(mén)檻。

 

另外，就是AI在社會(huì)層面的幾個(gè)老生常談問(wèn)題，隱私安全、虛假信息、價(jià)值觀偏差、濫用造成的道德和倫理風(fēng)險(xiǎn)以及知識(shí)產(chǎn)權(quán)。

 

不能否認(rèn)Sora的出現(xiàn)無(wú)疑是AI發(fā)展的一個(gè)巨大成功，但它模糊的現(xiàn)實(shí)與AI界限也會(huì)面臨被用來(lái)深度偽造的風(fēng)險(xiǎn)。

 

而AGI旨在創(chuàng)建一個(gè)具有廣泛認(rèn)知能力的智能體，它不僅能執(zhí)行特定的指令或解決特定問(wèn)題，還能理解復(fù)雜的環(huán)境并適應(yīng)新情況，就像人類(lèi)智能一樣。

 

Sora的出現(xiàn)的確為未來(lái)AGI提供了基礎(chǔ)，開(kāi)啟了理解物理世界的第一階段，可以說(shuō)是實(shí)現(xiàn)AGI的一個(gè)中間步驟或關(guān)鍵技術(shù)，但它本身并不等于AGI，AGI的實(shí)現(xiàn)還需要跨越更多技術(shù)和認(rèn)知障礙，包括深度理解、泛化能力、自我改進(jìn)等。

人類(lèi)應(yīng)該怎么辦？

最近幾十年來(lái)，人工智能領(lǐng)域帶來(lái)的震撼不斷。

 

從深藍(lán)計(jì)算機(jī)1997年5月?lián)魯?guó)際象棋世界冠軍，到Alpha Go2016年3月戰(zhàn)勝?lài)迨澜绻谲姡粡腃hatGPT到Gemini，再到現(xiàn)在的Sora，每一次革新都可以說(shuō)是喜憂(yōu)參半。

 

人們一方面感嘆于技術(shù)的進(jìn)步，享受帶來(lái)的便利，另一方面又擔(dān)心AI變得越來(lái)越聰明，它可能會(huì)在很多領(lǐng)域超越我們，甚至可能在改變世界的能力上也超過(guò)我們。

 

但是一個(gè)圍繞虛擬與人工智能的時(shí)代正以不可逆的架勢(shì)向我們襲來(lái)，并不能因?yàn)閾?dān)心就停下前進(jìn)的腳步。

 

就像蒸汽機(jī)、發(fā)電機(jī)的發(fā)明會(huì)解放生產(chǎn)力，會(huì)淘汰掉舊生產(chǎn)線(xiàn)上的工人，也會(huì)創(chuàng)造新的工作機(jī)會(huì)一樣，AI不也是個(gè)工具，同樣會(huì)頂替一些重復(fù)性的、缺少技術(shù)含量的工作，但使用工具的還不是人。

 

況且目前的人工智能技術(shù)大部分還處于認(rèn)識(shí)世界的階段。無(wú)論是ChatGPT、Gemini還是Sora，都只是提高了人工智能對(duì)世界的認(rèn)識(shí)水平，并不能超越人類(lèi)整體，我們還有大把時(shí)間去研究、學(xué)習(xí)、掌握使用方式。

 

畢竟，科技的最終目標(biāo)應(yīng)該是讓人類(lèi)的生活變得更好，而不是取代我們。

 

所以，科技的發(fā)展就像是一場(chǎng)馬拉松，它在不斷地推動(dòng)我們前進(jìn)，我們既要學(xué)會(huì)享受這個(gè)過(guò)程，也要準(zhǔn)備好迎接它帶來(lái)的挑戰(zhàn)。

 

打不過(guò)就加入嘛~你期待AGI全面實(shí)現(xiàn)嗎？

看完覺(jué)得寫(xiě)得好的，不防打賞一元，以支持藍(lán)海情報(bào)網(wǎng)揭秘更多好的項(xiàng)目。

標(biāo)簽： 視頻 生成 模型 隨筆