Η OpenAI, δημιουργός του ChatGPT και του δημιουργού εικόνων DALL-E, παρουσίασε ένα νέο εργαλείο με την ονομασία «Sora», το οποίο είναι ικανό να δημιουργεί, με την απλή εισαγωγή ενός κειμένου, ρεαλιστικά βίντεο που μπορούν να διαρκέσουν μέχρι ένα λεπτό – μια μείζων καινοτομία στον τομέα της τεχνητής νοημοσύνης.
Βασισμένη στις προηγούμενες έρευνες για τα προγράμματα DALL-E και GPT, αυτή η νέα πλατφόρμα είναι ακόμη υπό δοκιμή, διευκρίνισε η καλιφορνέζικη νεοφυής σύμμαχος της Microsoft, η οποία παρουσίασε πάντως μερικά βίντεο και τον τρόπο που δημιουργήθηκαν.
Το πρόγραμμα μπορεί να δημιουργήσει βίντεο μέγιστης διάρκειας ενός λεπτού «διατηρώντας οπτική ποιότητα και σεβόμενο το αίτημα του χρήστη», ανέφερε στον ιστότοπό της η OpenAI.
Το Sora μπορεί «να δημιουργεί πολύπλοκες σκηνές με πολλά πρόσωπα, συγκεκριμένους τύπους κινήσεων και ακριβείς λεπτομέρειες», αναφέρει στον ιστότοπό της η start-up. Επιτρέπει επίσης να δημιουργηθεί βίντεο από μια σταθερή εικόνα, διαβεβαιώνει ο γίγαντας της τεχνητής νοημοσύνης ή και να επιμηκυνθούν υφιστάμενα βίντεο.
Ο Άλτμαν κάλεσε χρήστες του Χ να του ζητήσουν ότι θέλουν
Ο Σαμ Άλτμαν, ο επικεφαλής της OpenAI, δήλωσε στο μέσο κοινωνικής δικτύωσης X πως η εταιρεία του «θα προσφέρει σε περιορισμένο αριθμό δημιουργών την πρόσβαση» σ’ αυτό το νέο εργαλείο, στο πλαίσιο μιας πειραματικής φάσης.
Ο ίδιος κάλεσε επίσης τους χρήστες να κάνουν προτάσεις για τη δημιουργία βίντεο και μερικά λεπτά αργότερα ανέβασε στην πλατφόρμα τα πιο επιτυχημένα απ’ αυτά.
Ανάμεσα σ’ αυτά τα βίντεο βλέπει κανείς δύο σκύλους να παίζουν στο χιόνι σε βουνό. Ένα άλλο βίντεο δείχνει την πτήση ενός φανταστικού ζώου, μισό πάπια μισό δράκος, μπροστά σε ένα υπέροχο ηλιοβασίλεμα, έχοντας στην πλάτη του ένα χάμστερ με εκδρομική περιβολή.
Πώς λειτουργεί το Sora της OpenAI
Το Sora χρησιμεύει ως βάση για «προγράμματα ικανά να καταλάβουν και να προσομοιώσουν τον πραγματικό κόσμο», εξηγεί η νεοφυής, η οποία ελπίζει ότι «θα αποτελέσει ένα σημαντικό σταθμό στην πραγματοποίηση της AGI», της Γενικής Τεχνητής Νοημοσύνης, ενός πολύ αυτόνομου συστήματος που φέρεται ότι θα ξεπεράσει τους ανθρωπους στις περισσότερες από τις οικονομικά αποδοτικές δουλειές.
Η OpenAI προειδοποίησε ότι το «σημερινό μοντέλο» της πλατφόρμας παρουσιάζει «ελαττώματα», καθώς συγχέει το αριστερά με το δεξιά και εμφανίζει αδυναμία να διατηρήσει μια οπτική συνέχεια σε ολόκληρο το βίντεο.
«Για παράδειγμα, ένα πρόσωπο μπορεί να δαγκώσει ένα μπισκότο, όμως μετά το μπισκότο μπορεί να μην έχει ίχνη από το δάγκωμα», εξηγεί η εταιρεία.
Παρουσιάζοντας αυτό το νέο εργαλείο, η OpenAI ανέφερε πως το ζήτημα της ασφάλειας αποτελεί ουσιώδες διακύβευμα και ότι προσομοιώσεις θα οργανωθούν με χρήστες από τους οποίους θα ζητηθεί να παραγάγουν δυσλειτουργίες ή να δημιουργήσουν ανάρμοστα περιεχόμενα, ώστε να καθορισθούν καλύτερα τα όρια της πλατφόρμας.
«Θα καλέσουμε πρόσωπα που λαμβάνουν πολιτικές αποφάσεις, εκπαιδευτικούς και καλλιτέχνες απ’ όλο τον κόσμο για να κατανοήσουμε τις ανησυχίες τους και να εντοπίσουμε τις θετικές περιπτώσεις χρήσης αυτής της νέας τεχνολογίας», ανέφερε η OpenAI. Οι Meta, Google και Runway AI, οι οποίες εργάζονται σε παρόμοιες εφαρμογές μετατροπής κειμένου σε βίντεο, τις λεγόμενες «text-to-video» («από κείμενο σε βίντεο»), έχουν ήδη παρουσιάσει δείγματα.
