JÖVŐ
A Rovatból

Aggasztó az új kínai AI: vajon biztonságos a Manus, ami már önállóan cselekszik is?

A kínai fejlesztők azt állítják, hogy a Manus egy univerzális problémegoldó AI, amely a válaszolgatáson túl „cselekvéssé alakítja a gondolatokat”. Például repülőjegyet foglal, kiadó lakást keres, új munkatársakat tobororoz. És hogy mire lehet még képes, az minimum nyugtalanító.


A kínai Manus startup Monica névre keresztelt MI-ügynöke az egyik első olyan AI-platform lett, amely néhány napja hivatalosan is engedélyt kapott generatív MI-szolgáltatások nyújtására Kínában.

Az új mesterséges intelligencia alkalmazást kifejlesztő, kínai szoftvermérnökökből álló csapat szerint a Manus a világ első teljesen önálló AI-ügynöke, és mint ilyen, talán még jobban borzolja a kedélyeket, mint a ChatGPT-vel konkuráló DeepSeek. Már csak azért is, mert előbbiek jóval kevésbé komplikált folyamatokat futtatnak és maguktól nem hajtanak végre feladatokat - ellentétben az AI-ügynökökkel.

A Microsoft riportja szerint az AI-ügynökök megjelenéséig több evolúciós lépcső vezetett el. Először jöttek a nagy nyelvi modellek, az LLM-ek, amelyek egyszerűen csak válaszoltak a felhasználó kérdéseire, egy hatalmas betanított adatkészlet alapján. Utánuk érkeztek a kezdetben rögzített eszközkészlettel kombinált LLM-ek, amelyeknek később megjelent egy információ-lekérdezéssel bővített generációja, hogy bonyolultabb feladatokat tudjanak elvégezni.

Ezeknél fejlettebbek az AI-ügynökök, hiszen a felhasználó által betáplált probléma megértése után önállóan képesek feladatok végrehajtására.

Az AI-ügynökök az LLM-rendszerekhez hasonlóan eszközöket használnak, viszont az már nem a felhasználón, hanem rajtuk múlik, hogy melyiket, mikor és hogyan alkalmazzák. Ebbe a világba csöppen bele a nagyközönség a legutóbbi innovációval, a Manussal, ami ugyan nem az első AI-ügynök a világon, viszont úttörő abból a szempontból, hogy az eddigi, például zárt, vállalati rendszerekkel ellentétben minden felhasználó számára elérhetővé válik - valamikor a közeljövőben, mert a használata egyelőre előzetes jelentkezéshez és meghíváshoz kötött. Ez talán nem sokáig lesz így, mert a fejlesztők hivatalosan csak a korlátozott szerverkapacitásra hivatkozva nem eresztik szabadon. Ami gyorsan megváltozhat.

Tényleg autonóm AI, vagy csak annak hirdetik?

A Forbes riportja alapján a kínai Butterfly Effect által fejlesztett Manus jó okkal nevezhető AI-ügynöknek, hiszen a chatbotokkal, így például az OpenAI ChatGPT-jével, a Google Geminijével vagy Elon Musk xAI Grokjával szöges ellentétben nem igényli részletekbe menő emberi utasítások bevitelét. Önállóan jut nagyon összetett eredményre, és utána cselekszik is.

Egy egyszerű példával szemléltetve: ha a Manust megkérjük, hogy találjon egy eladó vagy kiadó lakást, akkor a szempillantás alatt begépelt utasítás nyomán összetett folyamatok indulnak el. A tökéletesen megfelelő lakás kiválasztásához figyelembe veszi a közbiztonsági szempontokat és a bűnözési statisztikákat, a közlekedést, az időjárási körülményeket, de még az ingatlanpiaci trendeket is, hogy biztosan jól járjunk. De ez csak egy keresés, aminél jóval többre képes.

A South China Morning Post - amely szerint a Manus ismét megkérdőjelezi a narratívát, hogy az Egyesült Államok a világ vezető AI-fejlesztője - arra jutott, hogy a Manus nyugdíjazhatja több gazdasági szegmens eddig alkalmazott gyakorlatait. Fontos szerep juthat neki például a munkaerő-toborzás területén, mivel önállóan elemez önéletrajzokat, hasonlít össze munkaerőpiaci trendeket és hoz meg optimális toborzási döntéseket - amelyek mellett elemzésekkel és jelentésekkel érvel. Szintén lehetséges felhasználási területe lehet a szoftverfejlesztés: egy ilyen AI-ügynök a semmiből képes felépíteni egy profi weboldalt, vagy alkotni egy egyedi igényekre szabott programot. Bár a a ChatGPT is tud Python kódot írni, de a Manus önállóan is le is futtatja, teszteli és finomítja. A fejlesztői „univerzális problémamegoldó eszköznek” tekintik.

A Manus oldala mindezen felül azt állítja - és ehhez bemutatókat is csatol -, hogy az AI-ügynökre rábízhatjuk utazás megszervezését (a célpont kiválasztásától a szállás lefoglalásáig), részvénypiacok és értékpapírok elemzését, tudományos munkák és kutatások vagy prezentációk elkészítését, webshopok teljesítményének analizálását, videojátékok programozását és például egy sor tartalomkészítő feladattípus végrehajtását.

Ez „több, mint egy újabb chatbot vagy munkafolyamat... Ez egy teljesen autonóm ügynök” - nyilatkozta a Manusról a Butterfly Effect társalapítója és vezető tudósa. Yichao „Peak” Ji a fenti videóban hozzáteszi: a rendszerre úgy tekintenek, mint „az ember és gép közötti együttműködés következő paradigmájára”, ami „bepillantást enged az AGI-ba”. Utóbbi elnevezést, az ún. „Artificial General Intelligence-t” olyan (ma még minden bizonnyal nem létező) mesterséges intelligenciákra utalva használják, amelyek elérik vagy meghaladják az emberi gondolkodás képességeit - és amelyek felett el is veszíthetjük az irányítást.

Nem derült égből érkezett

A Manus nem a nulláról épült, hanem meglévő nagy nyelvi modellekre, például az Anthropic-féle Claude és az Alibaba által kiadott Qwen rendszereire támaszkodik. A platform ennek ellenére nagy figyelmet kap, mert a fejlesztők állítása szerint kiemelkedő eredményeket ért el a teszteken. A Manus által közzétett grafikon szerint az OpenAI o3-alapú Deep Research ügynökét is felülmúlta.

Az Euronews szerint egyes AI-szakértők Kína „második DeepSeek-pillanatának” nevezik a Manus megjelenését – ezt írta róla legalábbis Rowan Cheung, a The Rundown AI hírlevél alapítója a LinkedInen. A szerző később saját tesztet végzett a platformon, amiről megállapította, hogy „olyan, mintha egyesült volna a Deep Research, az Operator, illetve a Claude Computer, és NAGYON jól működik”. Cheunggal szemben más szakértők úgy vélik, hiába tartják újabb nagy áttörésnek, a Manus valószínűleg nem felel meg a várakozásoknak.

„Az eddig látott demók alapján bőven van bizonyíték arra, hogy a Manus nem mindig találja el a helyes választ, vagy végtelen ciklusokba ragad” – jellemezte a kínai AI-t az Euronews Nextnek Bradford Levy, a Chicagói Egyetem adjunktusa, akinek nem csak ennyi problémája van a Manussal. „Összességében jelentős az átláthatóság hiánya azzal kapcsolatban, hogy mire is képes valójában.” A tudós szerint a felhasználók jobb, ha kétszer is meggondolják, milyen adatokat osztanak meg a Manushoz hasonló platformokkal, és érdemes megvizsgálni a vállalat kínai állampárttal való kapcsolatát is.

A Manus csak az adatgyűjtést szolgálja?

Kína nemzetbiztonsági törvénye előírja, hogy a vállalatok „támogatással, segítséggel és együttműködéssel” tartoznak az állami hírszerző szervezeteknek. Ez Levy értelmezésében azt jelenti, hogy a titkosszolgálatok hozzáférhetnek a mobil- és webalkalmazásokon megosztott adatokhoz.

Jól ismert tény, hogy Peking aktívan dolgozik azon, hogy titokban érzékeny információkat gyűjtsön emberekről világszerte. Mi lenne jobb módszer erre, mint egy csillogó-villogó alkalmazás, amelynek az emberek önként adják át ezeket az adatokat?

Ha jobban megnézzük a Manust kifejlesztő - és nem mellesleg a ChatGPT 2022-es megjelenése előtt mindössze két hónappal alapított - Butterfly Effect hátterét, egészen konkrét jelei vannak az állami kapcsolatnak. A cég egyik legnagyobb támogatója a szintén kínai Tencent Holdings Limited, ami 2025 januárjában felkerült az Egyesült Államok azon vállalatokról vezetett listájára, amelyek vélhetően együttműködnek a kínai hadsereggel. Ennek ismeretében minimum aggasztó, hogy a technológiai óriás érdekeltségébe tartozik a kb. 1,4 milliárd felhasználóval rendelkező WeChat csevegőalkalmazás mellett a Manus is, és komoly felvásárlója videojáték-ipari cégeknek. Egyik legutóbbi zsákmánya pont a több százmillió mobilra telepített Angry Birds fejlesztője és üzemeltetője, a Riot Games.

Mintha senkit nem érdekelnének többé az AI-val járó kockázatok

A Manus működését elemző The Economist szerint az AI-ügynök „képernyőn végiggörgető automatikus keze nyugtalanító látvány”, hiszen anélkül képes az interneten keresztül feladatokat végrehajtani, hogy folyamatosan engedélyt kérne rá az emberi felhasználótól. A világ különböző AI laboratóriumai már régóta kísérleteznek ezzel a megközelítéssel, így a Manus különlegessége nem a puszta létezése, hanem az, hogy az alkotói teljes mértékben szabadjára engedik.

Ezzel egy új kísérleti korszak kezdődik, amely már nem csak a laboratóriumok falai között zajlik, hanem a való világban.

A lap szerint, ha valaki hosszabb ideig használja a Manust, hamar kiderül számára, hogy az eszköz messze áll attól, amit megbízhatónak és hasznosnak lehessen nevezni. Zavaros válaszok, frusztráló késések és végtelen hurkok keserítik meg a felhasználói élményt, így elég egyértelműnek tűnik, hogy a fejlesztők előbbre valónak tartották a gyors piacra lépést a kifogástalan működésnél.

Ez szöges ellentétben áll az amerikai AI-fejlesztők megközelítésével. Ők, részben épp’ biztonsági aggályok miatt - visszatartják az új fejlesztéseiket, és csak akkor engedik ki őket, ha már megfelelően kiforrottak. Az OpenAI például kilenc hónapot várt, mielőtt 2019-ben elérhetővé tette a GPT-2-t, míg a Google már 2020-ban belső tesztelés alatt tartotta a LaMDA chatbotot, de csak két évvel később adta ki, Bard néven.

A The Economist megjegyzi: a nagy műhelyek az AI-ügynökökkel kapcsolatban is óvatosak – és nem véletlenül. Ha egy mesterséges intelligencia szabad kezet kap, hogy saját maga találjon ki megoldásokat ahelyett, hogy minden lépésnél emberi utasításra várna, az nagyban növeli a lehetőséget, hogy kárt okoz. Az Anthropic és a Google például már bemutatták hasonló AI képességeit, de egyikük sem tette széles körben elérhetővé. Ezeket a rendszereket nemcsak a technológiai korlátok szabják meg, hanem a szigorú irányelvek is, és ezekhez szorosan hozzátartozik az, hogy rendszeresen vissza kell adni az irányítást a felhasználónak, vagy megállni, ha összetett feladat lezárásáról van szó. Magyarul: a döntés az ember kezében kell, hogy maradjon.

A Manus berobbanása nagyon megnehezíti ezt az óvatos megközelítést. Ahogy a nagy AI-laborok és a feltörekvő cégek közötti szakadék szűkül, az iparági óriások már nem engedhetik meg maguknak, hogy kényelmes tempóban haladjanak.

Egyes amerikai megfigyelők számára különösen fenyegetőnek tűnik, hogy a Manus kínai fejlesztésű, mert attól tartanak, hogy a nyílt forráskódok és az élesed verseny miatt mostantól gyakorlatilag bármilyen cég – legyen amerikai, kínai vagy más – előállhat hasonló AI-ügynökkel, ha kész komponenseket használ a felépítéséhez és hajlandó komoly kockázatot vállalni.

Fontos ugyanakkor leszögezni: pillanatnyilag semmi bizonyíték arra, hogy a Manus bármilyen veszélyes dolgot tett volna. A biztonság kérdése ettől független nem merülhet ki annyiban, hogy a nagy laborok teszteléseket végeznek a megjelenés előtt. Ehelyett a szabályozóknak és a vállalatoknak kell figyelemmel kísérniük azokat a rendszereket, amelyeket már használatban vannak, gyorsan kell reagálniuk a felmerülő problémákra, és ha szükséges, azonnal ki kell vonniuk a forgalomból a veszélyes technológiákat. Ahogy teszi azt példának okáért a nemrég érvénybe lépett, uniós AI Act is.


Link másolása
KÖVESS MINKET:

Népszerű
Ajánljuk
Címlapról ajánljuk


JÖVŐ
A Rovatból
Kiderült, meddig marad élhető a Föld – szuperszámítógépekkel számolta ki a NASA
Nem villámcsapás-szerű összeomlásra, hanem lassú, visszafordíthatatlan hanyatlásra kell készülnünk a kutatás eredménye szerint.


A NASA kutatói összefogtak a japán Toho Egyetem szakembereivel, és szuperszámítógépekkel modellezték, meddig maradhat élhető a Föld. Az eredmények egy távoli, de egyértelmű menetrendet vázolnak fel az élet végét illetően – számolt be róla a BGR.

A kutatás szerint a Nap jelenti majd a legnagyobb gondot: a következő egymilliárd évben nő a kibocsátása, és fokozatosan a lakhatósági határ fölé melegíti bolygónkat.

A becslés alapján a földi élet nagyjából az 1 000 002 021-es évben érhet véget, amikor a felszíni viszonyok már a legellenállóbb élőlényeknek is túl szélsőségesek lesznek.

A lejtmenet azonban sokkal korábban elindul. Ahogy a Nap forrósodik, a Föld légköre jelentősen átalakul: csökken az oxigénszint, meredeken nő a hőmérséklet, és romlik a levegő minősége. A részletes éghajlati és napsugárzási modellek szerint

ez nem villámcsapás-szerű összeomlás, hanem lassú, visszafordíthatatlan hanyatlás.

Ennek jelei már most látszanak. Erősödnek a napviharok és a koronakidobódások, nemrég az elmúlt 20 év legerősebb viharát rögzítették. Ezek hatnak a Föld mágneses mezejére és csökkentik a légköri oxigént.

Közben az ember okozta klímaváltozás is tovább növeli a terhelést:

a globális felmelegedés és a sarki jég olvadása a korábbi előrejelzéseknél gyorsabban halad, ami arra utal, hogy a környezet már jóval az egymilliárd éves időtáv előtt is ellehetetleníti az életet az emberek számára.

A kutatók a felkészülés és az alkalmazkodás fontosságát hangsúlyozzák. Egyesek zárt életfenntartó rendszereket és mesterséges élőhelyeket javasolnak, mások pedig a Földön túli lehetőségeket vizsgálják: a NASA és a SpaceX hosszú távú Mars-missziói az emberi élet fennmaradásának lehetséges útjait keresik, ha bolygónk lakhatatlanná válik.


# Csináld másképp

Te mit csinálnál másképp? - Csatlakozz a klímaváltozás hatásairól, a műanyagmentességről és a zero waste-ről szóló facebook-csoportunkhoz, és oszd meg a véleményedet, tapasztalataidat!

Link másolása
KÖVESS MINKET:

JÖVŐ
A Rovatból
A mesterséges intelligencia képes lehet akár tíz évre előre megjósolni, hogy kinek milyen betegsége lesz
A modell névtelen kórlapok mintáit figyeli, és évekre előre megmutatja, hol nagyobb a kockázat. A fejlesztők szerint így hamarabb lehet beavatkozni, és még az is tervezhető, hány szívinfarktusra kell készülnie egy városnak 2030-ban.


A kutatók szerint a mesterséges intelligencia akár tíz évre előre jelezhet egészségi gondokat, írja a BBC. A rendszer az emberek egészségügyi adataiban keres mintákat, és több mint 1000 betegség kockázatát számolja. Úgy írják le, mint egy időjárás-előrejelzést: százalékban adja meg a valószínűséget. A cél, hogy időben kiszűrje a magas kockázatú embereket, és évekre előre segítse a kórházak tervezését.

A Delphi-2M nevű modell hasonló technológiára épül, mint a közismert MI-chatbotok, például a ChatGPT. A chatbotok nyelvi mintákat tanulnak, és megjósolják, milyen szavak követik egymást. A Delphi-2M névtelenített egészségügyi adatokból tanulta meg felismerni a mintázatokat, és így jelzi előre, mi következhet és mikor. Nem mond pontos dátumot, hanem 1231 betegség valószínűségét becsli.

„Ahogy az időjárásnál 70 százalék esélyt jelezhetünk az esőre, ugyanezt meg tudjuk tenni az egészségügyben is”

– mondta Ewan Birney professzor, az Európai Molekuláris Biológiai Laboratórium megbízott főigazgatója. „Ráadásul nemcsak egy betegségre, hanem egyszerre az összesre – ilyet még soha nem tudtunk. Izgatott vagyok” – tette hozzá.

A fejlesztők először brit, névtelenített adatokon tanították a modellt: kórházi felvételek, háziorvosi adatok és életmódbeli szokások (például dohányzás) több mint 400 ezer résztvevőtől a UK Biobank projektből. Ezután más Biobank-résztvevők adataival ellenőrizték az előrejelzéseket, majd 1,9 millió ember dániai egészségügyi adatán is letesztelték. „Ha a modellünk azt mondja, hogy a következő évben tízből egy az esély, akkor tényleg nagyjából tízből egy esetben következik be” - tette hozzá Birney professzor.

A rendszer azoknál a betegségeknél működik a legjobban, amelyeknek jól követhető a lefolyása, például a 2-es típusú cukorbetegség, a szívinfarktus vagy a szepszis. Az inkább esetleges fertőzéseknél gyengébben teljesít.

Az orvosok ma is írnak fel koleszterincsökkentőt annak alapján, mekkora valakinél a szívinfarktus vagy a stroke kockázata. Az MI-eszköz még nem áll készen a klinikai használatra, de hasonló módon tervezik alkalmazni: korán azonosítani a magas kockázatú embereket, amikor még van esély megelőzni a betegséget. Ez jelenthet gyógyszert vagy célzott életmódtanácsot – például akinek nagyobb az esélye bizonyos májbetegségekre, annak a szokásosnál jobban megérheti visszavenni az alkoholfogyasztásból.

Az MI a szűrőprogramok tervezésében is segíthet, és egy térség összes egészségügyi adatát elemezve előre jelezheti a várható igényeket,

például hogy 2030-ban nagyjából hány szívinfarktus várható egy adott városban.

„Ez egy újfajta megközelítés kezdete az emberi egészség és a betegséglefolyás megértésében” – mondta Moritz Gerstung professzor, a Német Rákkutató Központ (DKFZ) onkológiai MI-osztályának vezetője. „Az olyan generatív modellek, mint a miénk, egy napon személyre szabhatják az ellátást, és nagy léptékben előre jelezhetik az egészségügyi szükségleteket.”

A Nature tudományos folyóiratban ismertetett modellt még finomítani és tesztelni kell a klinikai használat előtt. Torzítást okozhat, hogy a UK Biobank adatai főként 40–70 éves emberektől származnak. A fejlesztők most bővítik a modellt képalkotó vizsgálatokkal, genetikai információkkal és vérvizsgálati eredményekkel.

„Fontos hangsúlyozni, hogy ez kutatás – mindent alaposan tesztelni, szabályozni és átgondolni kell, mielőtt használni kezdjük, de a technológia adott ahhoz, hogy ilyen előrejelzéseket készítsünk” – nyomatékosította Birney professzor. Úgy véli, a genomika egészségügyi bevezetéséhez hasonló utat járhat be a folyamat: a tudósok bizalmától a rutinszerű klinikai használatig akár egy évtized is eltelhet.

A kutatás az Európai Molekuláris Biológiai Laboratórium, a Német Rákkutató Központ (DKFZ) és a Koppenhágai Egyetem együttműködésében készült. Gustavo Sudre, a King’s College London kutatója így értékelt: „Ez a munka jelentős lépés a skálázható, értelmezhető és – ami a legfontosabb – etikailag felelős orvosi prediktív modellezés felé.”


Link másolása
KÖVESS MINKET:


JÖVŐ
A Rovatból
Megkezdték a humanoid robotok tömeggyártását Kínában
A cég több ezer előrendelést említ, az ár körülbelül 11,5 millió forint. A mozgásnál emberi mintákat követnek: a végtagok összehangolását szimulációk és utánzásos tanulás segíti.
Maier Vilmos - szmo.hu
2025. szeptember 27.



A kínai Kepler Robotics elindította a K2 Bumblebee humanoid robot tömeggyártását, írja a Rakéta. A modellt logisztikai munkákra, gyártási feladatokban segítésre, kiállításokra és „speciális műveletekre” szánják.

A K2 hibrid architektúrával működik, ami energiahatékony üzemet tesz lehetővé. A gyártó szerint a humanoid egyhuzamban akár 8 órát is dolgozik.

Az ár a hasonló, általános célú humanoidokhoz képest kicsivel magasabb:

körülbelül 11,5 millió forint.

A robotra már több ezer megrendelés érkezett.

A cég a külalakot kevésbé, a mozgást viszont nagyon „emberire” tervezte. A K2 Bumblebee imitációs tanulással és szimulációkkal sajátította el a járás emberihez hasonló jellegzetességeit, beleértve a végtagok mozgásának összehangolását.

A humanoid robotról készült videót itt lehet megnézni:


Link másolása
KÖVESS MINKET:

Ajánljuk

JÖVŐ
A Rovatból
Sora 2: megjöttek a videók, amiket a képtelenség megkülönböztetni a valóságtól
Náci egyenruhába bújtattak hírességek, meghamisított történelmi események, kamu filmjelenetek igazinak tűnő színészekkel – máris ilyen videók készültek az OpenAI legújabb videógeneráló modelljével, ami egyszerre lenyűgöző és félelmetes.


A Sora 2 videógeneráló modell szeptember végén jelent meg, azzal az ígérettel, hogy a korábbi változathoz képest jelentősen javult a fizikai pontosság, a realizmus és az irányíthatóság. Mivel az OpenAI már a Sora tavaly decemberben kiadott első változatát is – a ChatGPT sikerével párhuzamba állítva – a videókészítés „GPT‑1 pillanatának” nevezte, nagy várakozások előzték meg a „GPT‑3.5 pillanatként” beharangozott Sora 2-t.

Az első verzió fejlesztői változatáról a demók alapján azt írtuk, olyan minőségű filmekhez, amelyeket szöveges utasításra generál, normál esetben külső helyszínekre, díszletekre, profi felszerelésekre és szakemberekre, statisztákra, illetve színészekre lenne szükség, de „úgy fest, hogy mostantól egyetlen AI, a Sora is elég lesz hozzá”.

Nyújthat ennél is többet egy videógeneráló modell? A Sora 2–nek a jelek szerint sikerült, mert a világ egyik ámulatból a másikba esik a vele készült mozgóképek láttán. Az OpenAI azt állítja, hogy az új modell kiküszöböli a korábbi videógenerálók jellemző hibáit, például az amorf tárgyakat és karaktereket, a torzult valóságot vagy a „túlzott optimizmust”. Utóbbihoz példát is kapcsol: ha egy generált videóban szereplő kosárlabdázó „elvéti” a dobást, az eddigi verziók inkább kicsavarták a realitást, és a labda még lehetetlen szögből is a gyűrűbe „teleportált”. Ehhez képest a Sora 2 a fizika törvényeivel teljesen megegyező módon bánik a tárgyak mozgásával: a labda a palánkba csapódik és pont úgy pattan vissza, ahogy az a valóságban is történne.

A tökéletlenség lehalkításával és a képminőség feltekerésével az OpenAI kisebb csodát alkotott: még egyszerű szöveges utasításokból is olyan videókat hoz létre, amelyeket a legtöbb néző képtelen megkülönböztetni a valóságtól. Az pedig, hogy mekkora a szakadék a versenytársak videógeneráló modelljei, valamint a Sora 2 között, remekül illusztrálja ez az összehasonlítás, amelyben a Google fejlesztette Veo 3–mal vetik össze a képességeit.

Ebben a videóban semmi sem valódi:

A gyorsan bővülő AI‑videópiacon persze vannak más vetélytársak is, például a Meta „Vibes” alkalmazása és a Meta Movie Gen modell, valamint az Elon Musk-féle xAI Grok Imagine-je. A Forbes hangsúlyozza, hogy utóbbi rendszerek 6–10 másodperces felvételeket készítenek, míg a Sora 2 akár egyperces videókat generálhat, illetve hangot is ad a tartalmakhoz, ami komoly fegyvertény a jelenlegi mezőnyben. És eddig minden jel arra mutat, hogy a Sora 2 a legerősebb videógeneráló AI.

Az OpenAI a modell széles körű – de egyelőre Észak-Amerikára korlátozott – bevezetése óta arra biztatja a felhasználókat, hogy a Sora 2 segítségével találjanak ki minél több új világot és történetet. A lehetőségeknek – látszólag – csak a képzelet szab határt, hiszen a modell képes az emberi hanghoz igazított dialógusok és hangeffektek generálására is, sőt, ha kell, a felhasználó hang‑ és videómintája alapján avatárt készít, így a saját filmünk főszereplőjévé válhatunk.

Mi változott? – A Sora 2 új képességei

Bár hozzáférés hiányában nekünk, magyaroknak egyelőre nincs összehasonlítási alapunk, az új modellről megjelent videókon valóban az látszik, hogy komoly szintlépés történt. Amíg a Sora demóiban a generált karakterek szemeit jótékonyan elrejtette valami (többnyire egy napszemüveg), a Sora 2 már nem tart az „uncanny valley” jelenségtől. Ez ugye az a nyugtalanító érzés, ami egy videojátékhoz vagy filmhez digitális eszközökkel létrehozott arc láttán tör ránk: hiába realisztikus a karakter, a tekintete természetellenes marad.

Az új modell már nem ilyen „félénk”: tisztában van vele, hogy amit előállít, teljesen életszerű, ezért nincs szükség trükközésre.

Olyannyira nincs, hogy az alábbi videóban látható és hallható Sam Altman sem Sam Altman, hanem egy Sora 2-vel létrehozott avatár, ami az OpenAI vezérigazgatójaként mutatja be a generatív AI képességeit. És ha erre nem figyelmeztetnek előre, aligha mondanánk meg, hogy nem a valódi személyt látjuk.

Az OpenAI szerint a Sora 2 legnagyobb újítása a fizikai törvények pontosabb szimulációja és a látvány élethű megjelenítése. A modell hosszabb és összetettebb cselekményeket, illetve akár többszereplős akciókat is képes kezelni, miközben megőrzi a mozgás törvényeinek koherenciáját.

A vállalat kiemelte, hogy a videók több jelenetből álló utasításokat követhetnek, és a rendszer megőrzi a generált világ állapotát: figyelembe veszi például azt, hogy a tárgyak az előző képsorban pontosan hol voltak. Ezzel már lehetséges akár több perces klipek és kisfilmek, ezáltal komplexebb narratívák létrehozása, de az OpenAI most még a rövid, gyorsan terjedő tartalmak felé tereli a felhasználókat, mert a játékos menőség meghozza a befektetők kedvét a további tervek finanszírozásához.

Lőttek a filmeseknek, vagy a Sora 2 csak egy új „ecset”, amivel alkothatnak?

Az OpenAI azzal hirdette a Sora, majd a Sora 2 rendszert, hogy a filmipar, az animációs stúdiók és a művészek eszköze lehet. A BBC Science Focus egyetért ezzel: azt írják, a rendszer megkönnyítheti animált klipek készítését, és ezzel időt, pénzt spórol. Az első verzió tartalmai ugyanakkor hemzsegtek a hibáktól. Ahogy arra a Washington Post is felhívta a figyelmet: a rendszer egy 1930‑as évekbeli jelenetben a cigaretta rossz végét gyújtotta meg vagy épp egyszerre több telefonkagylót adott a generált karakter kezébe, ráadásul hangot sem tudott létrehozni.

Ehhez képest a Sora 2 pontosságot és már szinkronizált hangot, illetve hangeffekteket is kínál, amivel elvileg tökéletesen alkalmassá válik a komplex szórakoztatóipari felhasználásra.

Az IndieWire elemzője ennek ellenére sem gondolja, hogy az új verzió a filmiparnak készült. A fejlesztők szerinte „nem törődnek Hollywooddal”, hiszen a platform elsősorban virális tartalmak gyártására ösztönzi az embereket, így a közösségi média új mémgyártó eszközévé válhat. És addig, ameddig ez csak igazoltatás elől meglépő Super Mario-s viccek szintjén realizálódik, nincs is nagy baj.

Ez még senkit sem bánt:

A gondok akkor kezdődnek, ha a könnyed hecceken túllépve valódi emberekről vagy valós eseményeket szimuláló helyzetekről készülnek valóságszagú kamuvideók, ami megnehezíti a független filmesek etikus AI‑felhasználását. Onnantól a Nintendo sem mókás rajongói videóként fogja kezelni a fentihez hasonló alkotásokat – ami még ingyen reklámot is csap a Mario Kart játékoknak –, mert attól tart majd, hogy a trend visszaéléseket szül, és óriási energiákat kell fordítani a szellemi tulajdona megvédésére.

A véleménycikk arra is figyelmeztet, hogy a Sora‑videók virális mémjei új frontot nyitnak a szerzői jogi háborúban, hiszen az AI‑userek óhatatlanul egyre kevesebbet törődnek majd a szellemi tulajdonnal, ezáltal tovább mélyítik az árkot az alkotók és az AI‑fejlesztők között. Az Indiewire ezzel kapcsolatban szakmai állásfoglalásokat sürget: úgy véli, ha a jogtulajdonosok és szakszervezetek nem alakítanak ki standardokat, elveszíthetik a harcot.

Osztja ezt az aggodalmat a WGBH-nak nyilatkozó digitális képzőművész, Kyt Janae is, aki szerint nem kell egy év, és szinte képtelenek leszünk megkülönböztetni az ember alkotta tartalmakat az AI-val generált képektől. Thomas Smith, a képek digitalizálásával, menedzselésével, kiadásával és monetizálásával foglalkozó Gado Images vezérigazgatója hozzátette:

a mesterségesen létrehozott képek miatt a valódi fotók is hitelességi válságba kerülhetnek.

Ezek a megállapítások azt jelzik, hogy a videógeneráló AI több területen okozhat károkat, a szórakoztatóipartól a politikán át a személyiségi jogokig.

Máris támadják az új AI-modellt

A Sora 2 indítását rögtön kritikák és aggályok kísérték. A The Guardian például arról számolt be, hogy a generált videók posztolására létrehozott TikTok-szerű app feedje hamar megtelt erőszakos és rasszista jelenetekkel, köztük bombázást és tömeggyilkosságot szimuláló tartalmakkal. Joan Donovan kutató ezzel kapcsolatban arra figyelmeztetett, hogy az ilyen eszközök elmossák a valóság és a hazugság között húzódó határt, ezáltal alkalmassá válhatnak gyűlöletkeltésre és zaklatásra.

Sam Altman ehhez képest a saját blogján a „kreativitás ChatGPT‑pillanataként” jellemezte a Sora 2 indulását, de óvatosan elismerte azt is, hogy például a bullying elkerülése érdekében nagyobb figyelmet kell fordítani a moderálásra.

A Rolling Stone közben példákkal illusztrálva mutatta be, hogy a realisztikus videógeneráló segítségével a felhasználók – csupán heccből – náci egyenruhába bújtattak hírességeket, történelmi eseményeket hamisítottak vagy éppen levédett karaktereket (Pikachu, Ronald McDonald, SpongeBob) használtak fel, ami szerzői jogi veszélyeket sejtet.

A Sora 2 kritikusait idézve a magazin azt írja, hogy az OpenAI „próbálja bepereltetni önmagát”.

A Vox cikke egyenesebben fogalmaz: felhívja a figyelmet arra, hogy a Sora 2 alapértelmezése szerint a jogtulajdonosok azok, akiknek kérvényezniük kellene a karaktereik eltávolítását, ami olyan, mintha a fejlesztők kifejezetten a szerzői jogok megsértése felé terelnék a felhasználókat.

Nem véletlen, hogy a kritikákkal szembesülő Sam Altman később frissítette a posztját, jelezve, hogy a jövőben a jogtulajdonosok „opt‑in” alapon adhatnak hozzá karaktereket az AI-modellhez, lehetővé téve, hogy a generált videók után részesedést kapjanak a bevételekből.

Őrületes energiaigény és a Sora 2 más pénzügyi hatásai

A modell bejelentését követően az elemzők felvetették, hogy a videók generálása rendkívüli mennyiségű számítási kapacitást és energiát igényel. Egyes kutatók szerint egy rövid, nagy felbontású videó generálása több mint 700‑szor több energiát fogyaszt, mint egy állókép létrehozása. Ennek következtében a jövő adatközpontjai már minden kétséget kizáróan nagyvárosokkal vetekedő energiazabáló – és karbonkibocsátó – szörnyetegek lesznek.

A Time elemzése rámutat: az AI‑videók ugyan drágák, de a cégek – köztük az OpenAI és a Meta – abban reménykednek, hogy a rövid videók gyártásával több előfizetéses felhasználó és befektető érkezik. Ez további bevételi forráshoz juttatja őket, ami még nagyobb modellek, egy napon pedig az általános mesterséges intelligencia megjelenéséhez vezethet.

Az AI-cégeknek tényleg nagyon kell a pénz, mert a generatív videómodellek fejlesztése hatalmas összegeket emészt fel. Ez az elemzők szerint idővel arra készteti majd a vállalatokat, hogy a befektetőktől és felhasználóktól beszedett pénzen túl a hirdetési piacon is terjeszkedjenek, illetve további előfizetési csomagokat találjanak ki, valamint árat emeljenek.

Mindeközben fontos cél a felhasználók viselkedési adatainak gyűjtése: a jövőbeli modellekhez a valós interakciók és preferenciák révén tudnak több és jobb tréningadatot gyűjteni.

Ami pedig a belátható jövőben érkező fejlesztéseket illeti, az OpenAI egyik korábbi közleménye felvetette azt is, hogy létrehoznak egy „világszimulátort”, amely pontosan modellezi a fizikai világ törvényeit, ezzel új tudományos problémákat lesz képes megoldani.

Új AI-evolúciós lépcsőfokok jönnek

A Sora 2 ezeknek a vízióknak a nagy reménysége, amitől azt várják, hogy további fejlesztéseket és több platformon elérhető verziókat eredményez. A megjelenése új korszakot nyit a generatív AI-k világában, hiszen bátran kijelenthetjük, hogy ennyire valószerű mozgásokat és hangeffekteket, illetve ilyen időtartamú történeteket még egyik videógeneráló AI sem tudott létrehozni.

Bár a fizika törvényeit még nem követi le tökéletesen és vastagon lehetőséget ad a visszaélésekre – a deepfake-től az erőszakos tartalmakon át a szerzői jogok megsértéséig –, a komoly etikai és jogi kérdések kezelése után érdemes lehet kihasználni a benne rejlő lehetőségeket.

A szakértők szerint hamar mainstream eszközzé válhat, de a társadalomnak – még új normarendszerek és hatékony moderálás bevezetése mellett is – fel kell készülnie arra, hogy a valóság és a mesterséges tartalom közötti határ elmosódik.

Mivel a gazdasági potenciál óriási, számolni kell a bővülésével és az energiafogyasztás növekedésével, valamint azzal, hogy a szellemi tulajdon megóvása érdekében ki kell harcolni a generált tartalmak után járó részesedést. Ezek az együttműködések – ha egyáltalán megköttetnek és aztán hosszú távon működőképesnek bizonyulnak – a kreatív tartalomgyártás ragyogó gyöngyszemévé varázsolhatják a Sora 2-t, illetve a jövőben érkező hasonló modelleket.


Link másolása
KÖVESS MINKET:

Ajánljuk