昨日 2 月 15 日、OpenAI は、テキストでの簡単な説明だけで最大 60 秒のリアルなビデオのクリップを生成する新しいテキスト-ビデオ ツールであるSoraを通じて、人工知能愛好家のコミュニティ全体を再び驚かせました。発表後に同社が提示した結果は、OpenAIがChatGPTを一般公開した瞬間をまさに思い出させ、これほど短期間でAIがどれほど変わったかを改めて示した。そしてそれは本当に思い出に残る日となりました。
OpenAI は、チャットボットによるテキスト生成を習得し、 DALL-E 3による素晴らしい画像生成ツールを立ち上げた後、Sora を通じてビデオ生成業界を支配し、飛躍的に進化するこの業界における同社のリーダーシップを再度実証したいと考えています。
AIビデオ生成が新たなレベルへ
2023年3月、 ウィル・スミスがスパゲッティを食べる動画が急速に広まった。このビデオは Reddit ユーザーによって作成され、コミュニティで共有され、それを生成するために彼が行ったことを説明しています。これを行うには、「スパゲッティを食べるウィル・スミス」というプロンプトで Modelscope text2video モデルを使用します。次に、フレーム レートを 15 FPS から 24 FPS に変更し、Flowframes ソフトウェアを使用してフレーム レートを 24 フレームから 48 フレームに増やし、スローモーションフィルターを追加しました。
このグロテスクな結果を達成するには、ユーザーはいくつかの手順を実行する必要がありました。これはほぼ 1 年前のことであり、当時私たちは人工知能が達成した成果を賞賛していました。 1 年後、ソラは、この種のツールに関する研究と研究が驚くべき速さで進化していることを私たちに示してくれました。
過去数か月間、私たちは人工知能を使用したあらゆる種類のビデオ生成ツールを見てきました。 HOW2.WORK では、Meta の「 Make-a-Video 」、Google の「 Image Video 」、「 Runaway 」、「 PiKA 」、「 Stable Video Diffusion 」、「 Lumiere 」、「 MagicVideo」など、その大部分をカバーしています。 .V2 」。これらのほとんどはまだ実験段階にありますが、時間の経過とそこから学んだことにより、ますます洗練されたシステムが作成されてきました。
これまで偽物だと簡単に検出できたものが、今では必ずしもそうではありません。OpenAI は、人工知能を使用してビデオを生成するという点で、私たちがどのレベルにあるかを示してくれました。このような短期間でたどり着いた道のりは驚くべきものですが、このツールの否定的な意味への敬意も感じられます。
これまで AI が進歩するたびに、将来何が私たちを待っているか、この種のツールを通じたデマの蔓延や、これまで人間が行っていた特定の仕事が最終的に廃止されることについて、理解できる以上の議論も生じています。 AIで簡単に自動化できます。このテクノロジーによってもたらされる影響により、多くの国の政府さえもその進化を恐れるようになっており、多くの人にとって、生成人工知能テクノロジーはインターネットと同じくらい大きな進化のステップです。
ソラの驚くべき結果は、これらすべての問題をさらに拡大します。 AI が今後数年間で繰り返し話題になることをすべてが示しているようです。そのため、私たちがしなければならないのは、AI の進化とその社会的影響を目撃することだけです。ただし、一つだけ確かなことがある。これらすべてのテクノロジーが進化しても、ウィル・スミスが最も憂鬱で落胆するような方法でスパゲッティを食べるのを見ることほど素晴らしいことはありません。