[AI] Sora: Keď slová ožívajú, Realita sa mení

Na scéne generatívnej umelej inteligencie existuje stále viac modelov, ktoré okrem prevodu textu na obrázok ponúkajú aj generovanie videoobsahu. Problémom však doteraz bol nedosatok konzistencie tohto obsahu medzi jednotlivými obrazmi vo videu a sklon k mutáciám tvarov. Novinka nazývaná Sora, od spoločnosti Open AI, ktorá stojí aj za populárnou Chat GPT, by tento problém mohla zmeniť.

Sora je najnovší model od OpenAI, ktorý predstavuje prelom v interakcii medzi umelou inteligenciou a fyzickým svetom. Tento model tzv. text-na-video umožňuje generovať videá s dĺžkou až jednej minúty, pričom zachováva vizuálnu kvalitu a vernosť používateľským požiadavkám.

Sora predstavuje technologický skok nielen svojou schopnosťou generovať komplexné scény s viacerými postavami a špecifickými typmi pohybu, ale aj presnými detailmi subjektov a pozadia. Či už ide o eleganciu ženy prechádzajúcej se neonovými ulicami Tokia, či o majestátnosť mamutov kráčajúcich cez zasneženú lúku, Sora chápe nielen textové inštrukcie, ale aj fyzické vlastnosti objektov, ktoré sú súčasťou požadovaného výstupu.

Vývoj modelu Sora predstavuje ambície OpenAI vyvinúť modely, ktoré pomôžu ľuďom riešiť problémy vyžadujúce interakciu so skutočným svetom. V čase, keď sa umelá inteligencia stáva čoraz dômyselnejšou a schopnou simulácie skutočných fyzických interakcií, Sora otvára nové možnosti pre kreatívnych profesionálov, dizajnérov a filmárov.

Model Sora však nie je bez svojich nedostatkov. Môže mať problémy s presným simulovaním fyziky komplexných scén a nemusí správne chápať špecifické príčiny a následky. Práve preto OpenAI začína svoj výskum zdieľať skôr, aby mohla pracovať a získavať spätnú väzbu od ľudí mimo organizácie a aby verejnosť pochopila, aké sú možnosti AI na obzore.

Sora je postavená na difúznom modeli, ktorý generuje videá tým, že postupne transformuje šum na video počas mnohých krokov. Používa transformačnú architektúru podobnú modelom GPT, čo jej umožňuje škálovať výkon. Predstavuje tiež základ pre modely, ktoré môžu rozumieť a simulovať reálny svet, schopnosť, ktorá sa považuje za dôležitý míľnik na ceste k dosiahnutiu všeobecnej umelej inteligencie (tzv. AGI).

OpenAI tiež plánuje urobiť Sora dostupnú pre tzv. Červené tímy, aby vyhodnotili kritické oblasti pre potenciálne riziká alebo škody. Vývojári vytvárajú nástroje na detekciu zavádzajúceho obsahu a plánujú pridať metadata C2PA v prípade nasadenia modelu v produktoch OpenAI. Týmto by sa zamedzilo tvorbe nebezpečných zavádzajúcich videí a tzv. deep fake-ov.

I keď práve preto, že nemôžeme predvídať všetky prospešné spôsoby, akými ľudia budú túto technológiu využívať, rovnako ako všetky spôsoby, ktorými môže byť zneužitá, je učenie sa z reálneho využívania kritickým komponentom pri vytváraní a uvádzaní čoraz bezpečnejších systémov umelej inteligencie v priebehu času.

OpenAI je odhodlaná vyvinúť Sora model na čo najvyššej úrovni bezpečnosti pred uvedením na trh. Spolupráca s odborníkmi na dezinformácie, nenávistný obsah a predsudky zabezpečí, že budú identifikované a odstránené potenciálne škodlivé využitia technológie. Tento proces je nevyhnutný pre vytváranie spoľahlivých a etických AI systémov, ktoré sú v súlade s našimi hodnotami a normami.

Kým Sora predstavuje novú éru v kreatívnom vyjadrovaní a digitálnych technológiách, je nevyhnutné pokračovať v dialógu a zabezpečiť, aby sa technológia vyvíjala zodpovedne a transparentne. Len tak môžeme zabezpečiť, že jej potenciál bude využitý k posilneniu a obohateniu našej spoločnosti, nie na jej poškodenie alebo rozdelenie.

S príchodom Sora sa otvárajú dvere do sveta, kde sú hranice medzi realitou a digitálnou simuláciou čoraz menej zreteľné. Ako spoločnosť musíme byť pripravení čeliť výzvam a zároveň sa tešiť z nových príležitostí, ktoré nám tieto technológie prinášajú.