A mesterséges intelligencia arra kényszerít, hogy újraértékeljük, mit is jelent kreatívnak lenni
Lysandre Follet, a Nike vezető dizájnere mesterséges intelligencia segítségével tervezi a jövő cipőit. Azt mondja, az AI az alkotás során valódi partnere, de van, amiben az ember nem helyettesíthető.
Lysandre Follet ipari tervezőként, kreatív technológusként, művészként, zenészként és innovátorként határozza meg önmagát. A Nike vezető dizájnereként a mesterséges intelligencia segítségével a világ legjobb sportolóinak tervez egyedi cipőket. A generatív tervezésért felelős vezetőként pedig a design, a digitális technológia és a tudomány ötvözésével alakítja a Nike jövőjét. Nemrég Budapesten járt, a nyolcadik alkalommal megrendezett Brain Bar Jövőfesztiválon, ahol a mesterséges intelligencia alkotófolyamatban betöltött szerepéről tartott előadást. Itt készítettünk vele interjút.
– Hol kezdődik a gépek kreativitása?
– Találkoztam kutatókkal Londonban, akik a számítási kreativitásnak nevezett mutatók alapján próbálják kideríteni, intelligensnek tekinthető-e egy rendszer. Azt próbálják felmérni, hogy mik a mérőszámok, a sikerkritériumok, melyek alapján egy rendszert kreatívnak lehet tekinteni. Mit is jelent kreatívnak lenni? Hogy is lehet ezt mérőszámokkal meghatározni? Ha bármelyik AI-rendszert a kritériumokon keresztül vizsgálják, valószínűleg arra a következtetésre jutnak, hogy az nem minősül kreatívnak. Azt fogják mondani, hogy a legjobb esetben is csak a már meglévő információk finom pixelkombinációját variálja a gép. De végül is nem ezt csinálja sok művész, tervező is?
A látott dolgok inspirálnak bennünket. Amint megszületünk, elkezdünk mintákat tárolni az agyunkban. Gyakran az teszi kreatívvá a jó tervezőt, hogy képes pontokat összekapcsolni olyan dolgok között, amelyek korábban nem voltak kapcsolatban egymással.
Amikor dolgozol, lehetőséged van utazni a semmi közepén. És olyat látni, amit még soha senki, mert te vagy az első, aki odautazott. Ha visszamész, összekapcsolhatod valami mással, és valami újszerűt alkothatsz. Valóban újszerű? Vagy valami tapasztalat ihlette? Tehát úgy gondolom, hogy ezek az eszközök arra kényszerítenek, hogy újraértékeljük, mit is jelent kreatívnak lenni.
– Mindez a művészet határait is elmossa?
– Az biztos, hogy ma már nem elég pusztán egy képet mutatni, és azt mondani, hogy művész vagyok. AI-jal készült? Kizárólag mesterséges intelligenciával készült? Együtt hoztad létre az AI-jal? Látni akarom a folyamatot. Meg akarom érteni, hogyan készült ez, hogy fel tudjam mérni, mit nézek. Sok jó barátom volt, akik képzett fotósok, értik a kompozíciót, a különböző optikák szerepét egy adott témához. Aztán jött az Instagram, és a mobilos fényképezés, és az emberek azt kezdték mondani, hogy ők fotósok, mert hiszen milyen gyönyörű képeket csináltak. Ettől lesznek fotósok?
Most már mindenki fotós? Ez a kérdés. Nem tudom.
Bizonyos értelemben jó látni, hogy ma már mindenki számára elérhető a fotózás, mert korábban nagyon elitista volt. A nagyapám olyan szerencsés volt, hogy fotózhatott, mert geológus volt. A gépét az osztrák akadémia bérelte, de persze családi fényképezésére is használták. Így készült néhány fekete-fehér családi fotó. De ez akkor csak egy szűk réteg kiváltsága volt. Mára mindez megváltozott. Szerintem a mesterséges intelligenciával való közös alkotás demokratizálja az alkotási folyamatot, ami nagyszerű dolog, mert mindenki megteheti, hogy kifejezze magát, még akkor is, ha nincs pénze egy festészeti tanfolyamra. Olyasmit csinálhat, amit talán valaki, aki látja, művészetnek tart. És számukra ez művészet is, hiszen amikor megosztják a barátaikkal és a családtagjaikkal a műveiket, akkor az érzelmeket vált ki a befogadóból.
Lysandr Follet
– Ön most művészként dolgozik a mesterséges intelligenciával. El tud képzelni egy olyan helyzetet, amely az AI már nemcsak eszköz, hanem partner is az alkotói folyamatban?
– Azt hiszem, ez már meg is történt velem. Tíz éve, amikor elkezdtük használni az algoritmustervezést. Csak nagyon kezdetleges elképzelésem volt még arról, hogy egy adott terméknek milyennek kell lennie. Miután felépítettük a modellt, megkérdeztük a gépet, hogy mi lenne a legjobb struktúra, amit használhatnánk? Hagytuk, hogy a rendszer javasoljon valamit. És akkor, ami visszajött a számítógépből, olyan volt, amit soha nem gondoltam volna. Hogy ez a design lehetséges megoldás. Nem is tudtam lerajzolni, mert annyira bonyolult volt.
Számomra ez olyan fontos pillanat volt, mint amikor Garri Kasparov veszített az IBM Deep Blue-val szemben. Aki ezt átélte, az társként tekinthet az AI-re a játékban, partnerként az alkotásban.
Ki merem jelenteni, hogy az alkotás során partnerem a mesterséges intelligencia. Nem azt mondom, hogy művészibb, tehetségesebb nálam, vagy hogy kreatívabbak lenne. De partner. Nagyon különbözik az Illustrator vagy a Photoshop használatától. Mert ez egy olyan dolog, amely képes tanulni és idővel fejlődni az önkorrekción keresztül. Együtt alkottuk azt a képet is, amit bemutattam az előadásomban. Igazából annyi történt, hogy beszéltem vele. Kérdeztem, szeretnél festeni? És azt mondtam, legyen Nike, Picassotól. Az eredmény elképesztő.
Nike, Picasso stílusában nővel és egy kosár gyümölccsel. Alkotó BlenderBot mesterséges intelligencia
– Eljöhet az az idő, hogy az AI önállóan fog alkotni, emberi társ nélkül?
– Személy szerint és nem gondolom. Talán azért sem, mert az ipari formatervezés kézzelfogható, fizikai tárgyat készít. Ha olyan ember lennék, aki a virtuális szférában dolgozik, talán egy kicsit jobban megijednék, mert meglehet, hogy egyszer csak nincs már szükség arra, hogy az ember is jelen legyen. De mint ipari formatervező, a nap végén olyan dolgot kell készítenem, ami valóban létezik: amin ülni fogunk, vagy sokáig használni fogjuk. És ezek azok a dolgok, amelyekről úgy érzem, hogy a mesterséges intelligencia nem értheti, mert a nap végén
az AI soha nem ülhet át a székbe vagy nem tudja kipróbálni a fizikai terméket. Megpróbálhatjuk megtanítani az AI-nek, mit jelent egy széken ülni. De adott esetben egy rosszul megtervezett székben nekünk kell két órát kell ülnünk, hogy rájöjjünk, mi töri a hátunkat.
Tehát azt a tapasztalatot, amelyet emberi lényként a kézzelfogható és fizikai világról szereztünk, nem tudják megszerezni. Amiről az előadásomban is beszéltem, például nem értik az ókori kínai kerámiát. Az elmúlt tíz évben az interneten megtanulhatták, mit jelent kerámiát készíteni, de ez nem fogja helyettesíteni az igazi tapasztalatot.
Akik generációkon keresztül élik meg az anyaggal való munkát, azoknak a tudását nem érti az AI. Korábban, csellóztam. És szeretem a szintetizátorokat is, de ez két különböző dolog. És semmi sem helyettesítheti az igazi hangszert. Ott ülsz, érzed, hogy van vibráció. Valószínűleg könnyebben meg tudok csinálni egy csellódarabot számítógéppel. De ez egy egészen más élmény.
Az embernek szerintem szüksége van a fizikai élményre is, különösen akkor, amikor egyre inkább a virtuális világ felé haladunk, amelyből olykor sok hiányzik abból, amit szeretünk.
Egész nap otthon lenni a számítógép előtt nem olyan menő. Jobb, ha elmegyek valakivel, és egy igazi sör mellett beszélgetünk.
Lysandre Follet ipari tervezőként, kreatív technológusként, művészként, zenészként és innovátorként határozza meg önmagát. A Nike vezető dizájnereként a mesterséges intelligencia segítségével a világ legjobb sportolóinak tervez egyedi cipőket. A generatív tervezésért felelős vezetőként pedig a design, a digitális technológia és a tudomány ötvözésével alakítja a Nike jövőjét. Nemrég Budapesten járt, a nyolcadik alkalommal megrendezett Brain Bar Jövőfesztiválon, ahol a mesterséges intelligencia alkotófolyamatban betöltött szerepéről tartott előadást. Itt készítettünk vele interjút.
– Hol kezdődik a gépek kreativitása?
Regisztrálj, vagy lépj be, hogy tovább tudd olvasni a cikket!
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.
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.
Regisztrálj, vagy lépj be, hogy tovább tudd olvasni a cikket!
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.”
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.
Regisztrálj, vagy lépj be, hogy tovább tudd olvasni a cikket!
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.
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:
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.
Regisztrálj, vagy lépj be, hogy tovább tudd olvasni a cikket!
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:
Sora 2 Remix → Mario's Escape.
The remix feature is underrated.
PROCESS:
1. Generate an intial video
2. Post it.
3. Select Remix.
4. Describe next scene / repeat.
Initial Prompt:
Realistic body cam footage of a police officer pulling over Super Mario in his mario cart. It was… pic.twitter.com/Sn3VwuiGSM
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.
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”.
Regisztrálj, vagy lépj be, hogy tovább tudd olvasni a cikket!
