2024年開年,Sora的橫空出世,給AI界投下一枚重磅炸彈。
這個(gè)由美國人工智能公司OpenAI發(fā)布的文生視頻模型,只需要一段提示文本,就能生成具有多個(gè)角色和特定動(dòng)作類型,且主題和背景基本準(zhǔn)確的高清視頻。相較于Runway Gen 2、Pika等AI視頻生成應(yīng)用幾秒鐘連貫性的視頻產(chǎn)出,Sora可生成長達(dá)60秒的連續(xù)、穩(wěn)定、高品質(zhì)視頻,且提示文本越充分、細(xì)節(jié)越精確,生成的視頻越真實(shí)。
不過,出于可能被濫用的擔(dān)憂,OpenAI表示目前并沒有公開發(fā)布Sora的計(jì)劃。模型有限的訪問權(quán)限只被授予小部分研究人員和創(chuàng)意人士等群體,以便OpenAI獲取他們的使用反饋。
目前,官網(wǎng)上已更新了48個(gè)Sora生成的演示視頻。這些視頻清晰且真實(shí)的細(xì)節(jié)和超高的精度不禁引發(fā)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(tuán)創(chuàng)始人周鴻祎發(fā)表了看法:Sora的出現(xiàn)讓AGI到來的時(shí)間提前了。原來估計(jì)需要十來年,現(xiàn)在可能只要兩三年。他認(rèn)為,Sora雖然看起來只是個(gè)文生視頻工具,但實(shí)際上是AI認(rèn)知世界并與之進(jìn)行交互的里程碑,會給整個(gè)產(chǎn)業(yè)帶來巨大進(jìn)步。
“實(shí)現(xiàn)AGI的技術(shù)路線多樣,涉及不同的研究方法和應(yīng)用方向?!敝袊茖W(xué)院自動(dòng)化研究所副總工程師、紫東太初大模型中心常務(wù)副主任王金橋向科技日報(bào)記者介紹,目前,學(xué)術(shù)界和工業(yè)界廣泛討論的AGI技術(shù)路線主要有三條。一是信息智能,即“大數(shù)據(jù)+自監(jiān)督學(xué)習(xí)+大算力”。這種方法依賴大量數(shù)據(jù),通過自監(jiān)督學(xué)習(xí)算法來訓(xùn)練模型,同時(shí)需要巨大的計(jì)算能力來處理復(fù)雜任務(wù)。二是博弈智能。這種技術(shù)路線強(qiáng)調(diào)在人機(jī)交互中通過強(qiáng)化學(xué)習(xí)的方式訓(xùn)練智能體,使其能進(jìn)行自主學(xué)習(xí)和決策。三是類腦智能。這種方法試圖通過模仿人腦的運(yùn)行方式實(shí)現(xiàn)AGI。
在王金橋看來,根據(jù)官網(wǎng)的演示視頻,Sora至少在畫質(zhì)、長視頻生成、多鏡頭一致性、學(xué)習(xí)世界規(guī)律、多模態(tài)融合等方面實(shí)現(xiàn)突破。
“Sora能引發(fā)如此轟動(dòng),并不只是因?yàn)樗傻囊曨l時(shí)間更長、清晰度更高,而是因?yàn)樗茉谝欢ǔ潭壬夏M物理世界中的物體運(yùn)動(dòng)和交互?!蓖踅饦蛘f,“這種能力對于AGI的研究具有重要意義,因?yàn)樗婕皺C(jī)器對現(xiàn)實(shí)世界的深入理解和高度模擬,而這些是實(shí)現(xiàn)AGI的核心挑戰(zhàn)?!?
記者了解到,為了準(zhǔn)確模擬物理世界,Sora被投喂了極大規(guī)模的訓(xùn)練數(shù)據(jù),并使用了擴(kuò)散模型等先進(jìn)的算法?!皩τ贏GI而言,Sora讓大家看到,規(guī)模效應(yīng)不只在文字模態(tài)上成立,在視頻模態(tài)上也成立?!北本┰轮得婵萍加邢薰荆∕oonshot AI)聯(lián)合創(chuàng)始人周昕宇認(rèn)為,“通過擴(kuò)展視頻生成模型可以建立通用物理世界模擬器。這是實(shí)現(xiàn)AGI的必要過程?!?
距真正實(shí)現(xiàn)AGI仍有距離
雖然進(jìn)步顯著、令人驚艷,但Sora仍然存在一些技術(shù)缺陷。
從目前Sora生成的視頻來看,它在處理某些細(xì)節(jié)時(shí)可能會出錯(cuò),例如混淆物體的左右方向。同時(shí),它也無法完全理解復(fù)雜的因果關(guān)系,或在長時(shí)間跨度內(nèi)保持故事線的高度一致連貫。這些技術(shù)缺陷導(dǎo)致生成的視頻內(nèi)容可能出現(xiàn)與邏輯錯(cuò)誤,或與常識、真實(shí)情形不符的情況。
“Sora模擬真實(shí)物理世界的方式,是通過對給定的文字、圖像、參考視頻進(jìn)行建模,然后預(yù)測想要生成的視頻數(shù)據(jù)的條件概率分布。這與語言模型的原理沒有本質(zhì)區(qū)別,同樣是在做無損壓縮?!敝荜坑钫f,“只要壓縮得足夠好,就可以模擬出足夠真實(shí)的物理世界?!?
王金橋強(qiáng)調(diào),盡管Sora能夠通過學(xué)習(xí)了解表層的運(yùn)動(dòng)和交互關(guān)系,但是還沒有學(xué)習(xí)到物理規(guī)律的本質(zhì)。比如,它不知道多大的風(fēng)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(zhì)原因。這也是Sora目前最為人詬病之處。
“從Sora為數(shù)不多的公開資料來看,它仍是數(shù)據(jù)驅(qū)動(dòng)下的擬合,也就是模擬人類所能看到的物理世界。但真實(shí)的物理世界遠(yuǎn)不僅包含人類視覺信息?!北本┲嘘P(guān)村科金技術(shù)有限公司技術(shù)副總裁張杰認(rèn)為,Sora的創(chuàng)意來自大數(shù)據(jù)量下的概率擬合,它并沒有產(chǎn)生新知識,距離“深度模擬真實(shí)物理世界”這一目標(biāo)還有很長的路要走。
中國社會科學(xué)院哲學(xué)研究所科技哲學(xué)研究室主任、研究員段偉文同樣表達(dá)了審慎的觀點(diǎn)。“Sora這種近乎人類的表達(dá)實(shí)際上是一種基于現(xiàn)有數(shù)據(jù)和語料的合成智能?!彼f,“它給實(shí)現(xiàn)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(shí)現(xiàn)AGI的價(jià)值相對有限。”
事實(shí)上,實(shí)現(xiàn)AGI這一目標(biāo)可謂道阻且長。王金橋談到了幾大挑戰(zhàn)。首先是數(shù)據(jù)瓶頸。盡管像GPT-4這樣的預(yù)訓(xùn)練語言模型在數(shù)據(jù)標(biāo)注上取得了進(jìn)展,但數(shù)據(jù)依然是深度學(xué)習(xí)中的一個(gè)關(guān)鍵限制因素;其次是泛化瓶頸。目前的AI系統(tǒng)往往在特定任務(wù)上表現(xiàn)出色,但在面對新任務(wù)時(shí)難以有效適應(yīng);最后是能耗瓶頸。隨著AI模型變得越來越復(fù)雜,所需的計(jì)算資源和能源消耗也越來越大。這對硬件設(shè)備提出了更高要求。
或?qū)⒙氏嚷涞貍髅筋I(lǐng)域
Sora的發(fā)布不僅推動(dòng)了技術(shù)的發(fā)展,也引發(fā)了對AI治理和倫理的探討。
段偉文提到,OpenAI采取了相關(guān)手段來阻止不當(dāng)視頻的發(fā)布。王金橋進(jìn)一步解釋道, Sora內(nèi)置的文本提示過濾器可篩選發(fā)送給模型的所有提示,阻止對暴力、色情內(nèi)容、仇恨言論以及名人肖像等敏感或不適當(dāng)內(nèi)容的請求。視頻內(nèi)容過濾器能檢查生成的視頻幀,屏蔽違反OpenAI安全政策的內(nèi)容。
另外,OpenAI團(tuán)隊(duì)可能會定期對Sora進(jìn)行優(yōu)化和更新,以改進(jìn)其過濾機(jī)制,確保模型能夠更好地識別和處理敏感內(nèi)容。同時(shí),團(tuán)隊(duì)可能會監(jiān)控系統(tǒng)的使用情況,以便及時(shí)發(fā)現(xiàn)并解決新出現(xiàn)的問題。
“從技術(shù)上看,Sora避免極端暴力、色情、名人肖像等內(nèi)容出現(xiàn)的方式,主要依靠的是模型的對齊能力?!敝荜坑钫f,“這一點(diǎn)和語言模型的區(qū)別不大,也已經(jīng)有比較多的實(shí)踐經(jīng)驗(yàn)?!?
據(jù)國際數(shù)據(jù)公司預(yù)測,Sora將率先在短視頻、廣告、互動(dòng)娛樂、影視制作和媒體等傳媒領(lǐng)域得到應(yīng)用。Sora的諸多能力,可以輔助這些領(lǐng)域的工作者更高效地進(jìn)行視頻創(chuàng)作,加快生產(chǎn)速度,提高產(chǎn)出數(shù)量。這將助力相關(guān)行業(yè)降低成本、提升效率,進(jìn)一步優(yōu)化用戶體驗(yàn)。
(編輯:映雪 )