OpenAI Sora: เปิดตัวโมเดล AI ที่สร้างวิดีโอจากข้อความ

• Sora เป็นโมเดล AI ที่สร้างฉากสมจริงและเปี่ยมจินตนาการตามคำสั่งข้อความ
• สามารถสร้างวิดีโอความยาวสูงสุด 1 นาที โดยคงคุณภาพด้านภาพไว้พร้อมตอบสนองต่อพรอมป์ต์ของผู้ใช้อย่างซื่อตรง
• แนะนำตัวอย่างวิดีโอที่สร้างขึ้นตามพรอมป์ต์หลากหลายรูปแบบซึ่งให้สถานการณ์อย่างละเอียด
  • วิดีโอทั้งหมดในหน้านี้สร้างโดย Sora โดยตรงและไม่ได้ผ่านการแก้ไขใด ๆ
• ขณะนี้ Sora ถูกส่งให้ทีม 'red team' ใช้เพื่อประเมินความเสี่ยง และกำลังรับฟีดแบ็กจากศิลปินภาพ นักออกแบบ และผู้สร้างภาพยนตร์
• OpenAI ต้องการแบ่งปันความคืบหน้าของงานวิจัยเพื่อรับฟีดแบ็กจากคนนอก และแสดงให้สาธารณชนเห็นอนาคตของความสามารถด้าน AI

ความสามารถของ Sora

• สามารถสร้างฉากที่ซับซ้อน มีตัวละครหลายตัว การเคลื่อนไหวเฉพาะ และรายละเอียดที่แม่นยำของทั้งตัวแบบและฉากหลัง
• เข้าใจไม่เพียงแค่พรอมป์ต์ของผู้ใช้ แต่ยังเข้าใจการดำรงอยู่ของสิ่งต่าง ๆ ในโลกกายภาพด้วย

ความปลอดภัยของ Sora

• OpenAI มีแผนจะใช้มาตรการด้านความปลอดภัยหลายอย่างก่อนนำ Sora ไปผนวกรวมเข้ากับผลิตภัณฑ์ของ OpenAI
• รวมถึงการพัฒนาเครื่องมือสำหรับตรวจจับเนื้อหาที่อาจทำให้เข้าใจผิด และการพัฒนาตัวจำแนกที่สามารถระบุได้ว่าวิดีโอนั้นถูกสร้างโดย Sora หรือไม่

เทคโนโลยีการวิจัย

• Sora เป็นโมเดล diffusion ที่เริ่มจากวิดีโอที่เต็มไปด้วย noise แล้วค่อย ๆ ลบ noise ออกเพื่อสร้างวิดีโอ
• ใช้สถาปัตยกรรม transformer ที่คล้ายกับโมเดล GPT จึงให้ความสามารถในการขยายขนาดที่ยอดเยี่ยม

ความเห็นของ GN⁺

• Sora เป็นเทคโนโลยี AI เชิงนวัตกรรมที่สร้างวิดีโอจากคำสั่งข้อความ และมอบความเป็นไปได้ใหม่ ๆ ให้กับผู้เชี่ยวชาญสายสร้างสรรค์
• การใช้มาตรการความปลอดภัยและฟีดแบ็กเพื่อเรียนรู้การใช้งานในโลกจริง มีบทบาทสำคัญต่อการทำให้ระบบ AI ปลอดภัยมากขึ้นอย่างค่อยเป็นค่อยไป
• เทคโนโลยีนี้ดูมีแนวโน้มจะเป็นหมุดหมายสำคัญสำหรับการบรรลุ AGI (ปัญญาประดิษฐ์ทั่วไป) ในอนาคต

[draupnir]

ได้แต่ร้องว้าวจริง ๆ เลยนะ
คงระดมทุนได้ 7 ล้านล้านแน่เลย...?

[laeyoung]

ถ้ามองผ่าน ๆ ก็คงแยกไม่ออกว่าเป็นวิดีโอจริงหรือวิดีโอที่ AI สร้างขึ้น

[edunga1]

ว้าว... อยากลองใช้เร็ว ๆ แล้ว
โมเดลแบบ diffusion นี่หมายถึงเป็นวิธีเดียวกับ stable diffusion ใช่ไหมครับ?

[dothx]

ตลาด stock photo กับ stock video คงลำบากกันน่าดู..

[xguru]

คุณภาพของการสร้างนั้นน่าทึ่งมากเลยนะ พัฒนาได้เร็วขนาดนี้เลยเหรอ

[GN⁺]

ความเห็นจาก Hacker News

• ผู้ใช้คนหนึ่งแสดงความกังวลต่ออนาคตแม้จะยอมรับความสำเร็จทางเทคนิค โดยมองว่ายังขาดโครงข่ายความปลอดภัยทางสังคม และเรายังไม่ได้เข้าใกล้รายได้พื้นฐานถ้วนหน้า (UBI) มากขึ้น อีกทั้งยังกลัวการที่บริษัทเดียวมีอำนาจมากเกินไป
• ผู้ใช้อีกคนประทับใจอย่างมากกับคุณภาพของการเคลื่อนไหวที่สร้างโดยคอมพิวเตอร์ โดยเฉพาะอย่างยิ่ง ต่างจาก motion capture การทำให้แอนิเมชันคอมพิวเตอร์เคลื่อนไหวได้สมจริงนั้นเป็นเรื่องยาก แต่ครั้งนี้รู้สึกว่าสมจริงมาก
• ผู้ใช้อีกคนหนึ่งเน้นย้ำความสำคัญของโมเดลที่แสดงให้เห็นถึงความเข้าใจด้านฟิสิกส์และความสัมพันธ์ระหว่างวัตถุ นอกเหนือไปจากแค่ด้านภาพ/วิดีโอ โดยมองว่าตัวอย่างที่ถูกยกเป็นกรณีล้มเหลว แท้จริงแล้วเป็นกรณีสำคัญที่แสดงถึงความเข้าใจโลกของโมเดลอย่างแข็งแกร่ง
• ตามรายงานของ The Hollywood Reporter คนจำนวนมากในอุตสาหกรรมกำลังรู้สึกหวาดกลัวต่ออาชีพของตนจากความก้าวหน้าของเครื่องมือ AI บางคนกำลังพิจารณาออกจากวงการ และคาดว่าเครื่องมือ AI จะส่งผลต่องาน โดยเฉพาะในสายการผลิตโฆษณา
• ผู้ใช้คนหนึ่งกล่าวถึงความก้าวหน้าที่เหนือกว่าโมเดลที่เปิดเผยออกมาในปัจจุบันอย่างมาก
• ผู้ใช้อีกคนสังเกตเห็นข้อผิดพลาดเล็กน้อยในวิดีโอโตเกียว และตั้งคำถามว่าคอนเทนต์ที่สร้างขึ้นจะมีข้อผิดพลาดลักษณะนี้อยู่เสมอหรือไม่ และเด็กที่เติบโตมากับคอนเทนต์ที่สร้างขึ้นจะชินชาจนไม่รู้สึกกับความผิดปกติเหล่านี้หรือไม่
• ผู้ใช้คนหนึ่งกล่าวว่าโมเดล Gemini 1.5 กลายเป็นของล้าสมัยไปแล้ว และแสดงความประหลาดใจที่ Google ประกาศผ่านบล็อก
• โปรแกรมเมอร์คนหนึ่งแสดงความรู้สึกลางร้ายต่อความก้าวหน้าของ AI โดยบอกว่านี่ไม่ใช่แค่ความกลัวว่าจะตกงานเท่านั้น ส่วนคุณภาพของวิดีโอนั้นเขาประเมินว่าน่าประทับใจอย่างไม่น่าเชื่อ
• ผู้ใช้คนหนึ่งตั้งคำถามเชิงเทคนิคเกี่ยวกับวิธีการสร้างวิดีโอ โดยสงสัยว่าโมเดลแยกโครงสร้างเรขาคณิตของฉากกับกล้องออกจากกันอย่างไร
• ผู้ใช้คนสุดท้ายคิดว่าความก้าวหน้าทางเทคโนโลยีจะนำมาซึ่งการเปลี่ยนแปลงทางวัฒนธรรม และจะทำให้ผู้คนอยากไปชมละครเวที การบรรยาย และคอนเสิร์ตที่แสดงโดยมนุษย์ในโรงละครมากขึ้น เช่นเดียวกับที่แผ่นเสียง Vinyl กลับมาได้รับความนิยมอีกครั้ง เขาคาดว่าโรงละครก็อาจกลับมาได้รับความนิยมเช่นกัน