Sora火了,通用人工智去九宮格共享空間能要來了?_中國網

作者:

分類:

2024年開年,Sora的橫空出世,給AI界投下一枚重磅炸彈。

這個由美國人工智能公司OpenAI發布的文生視頻模型,只需要一段提示文本教學,就能生成具有多個角色和特定動作類型,且主題和背景基本準確的高清視頻。相較于Runway Gen 2、Pika等AI視頻生成應用幾秒鐘連貫性的視頻產出,Sora可生成長達60交流秒的連續、穩定、高品質視頻,且提示文本越充分、細節越精確,九宮格生成的視頻越真實。

不過,出于可能被濫用的擔憂,OpenAI表示目前并沒有公開發布Sora的計劃。模型有限的訪問權限只被授予小部分研究人員和創意人士等群體,以便OpenAI獲取他們的使用反饋。

目前,官網上已更新了48個Sora生成的演示視頻。這些視頻清晰且真實的細節和超高的精度不禁引發人們思考:這是否意味著具備人類同等智能或超越人類智能的通用人工智能(AGI)的到來?

對研究AGI意義重大

Sora問世后,360集團創始人周鴻祎發表了看法:Sora的出現讓AGI到來的時間提前了。原來估計需要十來年,現在可能只要兩三年。他認為,Sora雖然看起來只是個文生視頻工具,但實際上是AI認知世界并與之進行交互的里程碑,會給整個產業帶來巨大進步。

“實現AGI的技術路線多樣,涉及不同的研究方法和應用方向。”中國科學院自動化研究所副總工程師、紫東太初大模型中心常務副主任王金橋向科技日報記者介紹,目前,學術界和工業界廣泛討論的AGI技術路線主要有三條。一是信息智能,即“大數據+自監督九宮格學習+大算力”。這種方法依賴大量數據,通過自監督學習算法來訓練模型,同時需要巨大的計算能力來處理復雜任務。二是博弈智能。這種技術路線強調在人機交互中通過強化學習的方式訓練智能體,使其能進行自主學習和決策。三是類腦智能。這種方法試圖通過模仿人腦的運行方式實現AGI。

在王金橋看來,根據官網的演示視頻,Sora至少在畫質、長視頻生成、多鏡頭一致性、學習世界規律、多模態融合等方面實現突破。

“Sora能引發如此轟動,并不只是因為它生成的視頻時間更長、清晰度更高,而是因為它能在一定程度上模擬物理世界中的物體運動和交互。”王金橋說,“這種能力對于AGI的研究具有重要意義,因為它涉及機器對現實世界的深入理解和高度模擬,而這些是實現AGI的核心挑戰。”

記者了解到,為了準確模擬物理世界,Sora被投喂了極大規模的訓練數據,并使用了擴散模型等先進的算法。“對于AGI而言,Sora讓大家看到,規模效應不只在文字模態上成立,在視頻模態上也成立。”北京月之暗面科技有限公司(Moonshot AI)聯合創始人周昕宇認為,“通過擴展視頻生成模型可以建立通用物理世界模擬器。這是實現AGI的必要過程。”

距真正實現AGI仍有距離

雖然進步顯著、令人驚艷,但Sora仍然存在一些技術缺陷。

從目前Sora生成的視頻來時租會議看,它在處理某些細節時可能會出錯,例如混淆物體的左右方向。同時,它也無法完全理解復雜的因果關系,或在長時間跨度內保持故事時租會議線的高度一致連貫。這些技術缺陷導致生成的視頻內容可能出現與邏輯錯誤,或與常識、真實情形不符的情況。

“Sora模擬真實物理世界的方式,是通過對給定的文字、圖像、參考視頻進行建模,然后預測想要生成的視頻數據的條件概率分布。這與語言模型的原理沒有本質區別,同樣是在做無損壓縮。”周昕宇說,“只要壓縮得足夠好,就可以模擬出足夠真實的物理世界。”

王金橋強調,盡管Sora能夠通過學習了解表層的運動和交互關系,但是還沒有學習到物理規律的本質。比如,它不知道多大的風能吹滅蠟燭,不了解玻璃掉到地上會碎、掉到地毯上不會碎的本質原因。這也是Sora目前最為人詬病之處。

“從Sora為數不多的公開資料來看,它仍是數據驅動下的擬合,也就是模擬人類所能看到的物理世界。但真實的物理世界遠不僅包含人類視覺信息。”北京中關村科金技術有限公司技術副總裁張杰認為,Sora的創意來自大數據量下的概率擬合,它并沒有產生新知識,距離“深度模擬真實物理世界”這一目標還有很長的路要走。

中國社會科學院哲學研究所科技哲學研究室主任、研究員段偉文同樣表達了審慎的觀點。“Sora這種近乎人類的表達實際上是一種基于現有數據和語料的合成智能。”他說,“它給實現AGI找到了一種可行的路徑,但距真正的AGI還有很長的距離,且對實現AGI的價值相對有限。”

事實上,實現AGI這一目標可謂道阻且長。王金橋談到了幾大挑戰。首先是數據瓶頸。盡管像GPT-4這樣的預訓練語言模型在數據標注上取得了進展,但數據依然是深度學習中的一個關鍵限制因素;其次是泛化瓶頸。目前的AI系統往往在特定任務上表現出色,但在面對新任務時難以有效適應;最后是能耗瓶頸。隨著AI模型變得越來越復雜,所需的計算資源和能源消耗也越來越大。這對硬件設備提出了更高要求。

或將率先落地傳媒領域

Sora的發布不僅推動了技術的發展,也引發了對AI治理和倫理的探討。

段偉文提到,OpenAI采取了相關手段來阻止不當視頻的發布。王金橋進一步解釋道, Sora內置的文本提示過濾器可篩選發送給模型的所有提示,阻止對暴力、色情內容、仇恨言論以及名人肖像等敏感分享或不適當內容的請求。視頻內容過濾器能檢查生成的視頻幀,屏蔽違反OpenAI安全政策的內容。

另外,OpenAI團隊可能會定期對Sora進行優化和更新,以改進其過濾機制,確保模型能夠更好地識別和處理敏感內容。同時,團隊可能會監控系統的使用情況,以便及時發現并解決新出現時租場地的問題。

“從技術上看,Sora避免極端暴力、色情、名人肖像等內容出現的方式,主要依靠的是模型的對齊能力。”周昕宇說,“這一點和語言模型的區別不大,也已經有比較多的實踐經驗。”

據國際數據公司預測,Sora將率先在短視頻、廣告、互動娛樂、影視制作和媒體等傳媒領域得到應用。Sora的諸多能力,可以輔助這些領域的工作者更高效地進行視頻創作,加快生產速度,提高產出數量。這將助力相關行業降低成本、提升效率,進一步優化用戶體驗。(記者 崔爽)


留言

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *