經濟導報記者 劉勇
這個春節(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。
美國當?shù)貢r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個文生視頻案例和技術報告，正式入局視頻生成領域。
Sora能夠根據(jù)提示詞可以快速制作最長一分鐘、準確反映用戶提示、可一鏡到底的視頻，視頻中可包含多個角色、特定的動作、主題和背景，在單個視頻中Sora還可創(chuàng)建多個鏡頭，多角度保留角色和視覺的風格。“碾軋”了行業(yè)目前大概只有平均“4s”的視頻生成長度。
此外，還可以使用Sora連接兩個輸入視頻，在具有完全不同主題和場景組成的視頻之間實現(xiàn)無縫過渡。
百度百科的解釋是，Sora繼承了DALL-E 3的畫質和遵循指令能力，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物理世界，能生成具有多個角色、包含特定運動的復雜場景，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對于需要制作視頻的藝術家、電影制片人或學生帶來無限可能，其是OpenAI“教AI理解和模擬運動中的物理世界”計劃的其中一步，也標志著人工智能在理解真實世界場景并與之互動的能力方面實現(xiàn)飛躍。
針對此次Sora所帶來的討論，360創(chuàng)始人周鴻祎在社交網絡上也分享了自己的看法。他認為，Sora的誕生意味著AGI(通用人工智能)實現(xiàn)可能從10年縮短至一兩年。
談到Sora最大的優(yōu)勢，周鴻祎表示，以往文字視頻軟件都是在2D平面上對圖形元素進行操作，可以把視頻看成多個真實圖片的組合，并沒有真正掌握這個世界的知識。但Sora產生的視頻里，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，把各視頻平臺的視頻都看一遍，對世界的理解將遠遠超過文字學習。一幅圖勝過千言萬語，而視頻傳遞的信息量又遠遠超過一張圖，這就離AGI真的不遠了，不是10年20年的問題，可能一兩年很快就可以實現(xiàn)。”
而在業(yè)內專家看來，認為AGI能在一兩年內實現(xiàn)的觀點過于樂觀。中國人工智能產業(yè)聯(lián)盟安全治理委員會專委會副主委、浙江大學教授潘恩榮認為，AGI在一兩年內實現(xiàn)不能作為一種真實的預測。“因為我們講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)在人工智能能實現(xiàn)的事情，更像是‘物’的能力。”
不過也有人擔心，Sora大面積使用，AGI的實現(xiàn)也是必然，只是時間長短的問題。那么一旦AGI到來，是否會真的出現(xiàn)電腦的自我意識覺醒?畢竟人類是通過視覺感知認知世界，才能把一個具體的世界(畫面)和大腦里的文字等抽象概念進行連接的。也就是說畫面視頻和文字是互相對應的。而sora已經解決了抽象到具體表象，也能表象到抽象!這是什么意思?它已經能理解人類世界了。這就是他自我意識的覺醒。
那么問題來了，一旦AGI實現(xiàn)，真的會出現(xiàn)電影中的情景——人工智能的自我意識覺醒嗎?
