A múlt héten az Open AI bemutatta új Sora szolgáltatását. A Sora lehetővé teszi AI-videók létrehozását szöveg bevitelével, ami a megjelenése óta elnyerte a kritikusok elismerését. A bemutatott demó videók, amelyeket néhány sor szövegből készítettek, lenyűgöző valósághűséget mutatnak, amelyekkel felveszik a versenyt a reklámokban és filmekben tervezett, rendezett és forgatott jelenetekkel. Például van egy lassított felvétel egy középkorú férfiról, aki hamburgert eszik, egy madártávlatból készült felvétel egy japán utcáról, ahol két ember sétál.

Az Open AI ugyanezen a napon közzétett egy technikai jelentést, amelyben a Sorát „világ szimulátornak” nevezte.A szövegen keresztüli absztrakció és a paramétertér összekapcsolása révén az absztrakció ekkora valósághűsége forradalmasítani fogja a jövőbeli GPT modellek következtetési képességeit. Ez hatalmas hatással lesz az emberi társadalomra, tekintve az AI hatását.

A Sora azonban még mindig számos korláttal küzd. Például egy személy harap egy kekszet, de a harapás nyoma nem marad a kekszen. Vagy egy személy fut egy futópadon, de a futópad irányába néz, nem a kezelőpanel felé, és furcsa mozdulatokat végez a karjaival és lábaival. Ezek a hibák azt mutatják, hogy a Sora még mindig nem képes pontosan megérteni és megjeleníteni a felhasználó által megadott promptokban szereplő térbeli részleteket és az idő múlásával bekövetkező változásokat. A rendszernek még mindig nehézségei vannak az ok-okozati összefüggések ábrázolásával és a komplex jelenetekben a fizika megvalósításával. Ez azt jelenti, hogy az AI még nem érti teljesen a világot. Azonban az Open AI 2023-ban bejelentette, hogy szerződést kötött a ShutterStockkel, amely 35 millió nagy felbontású fényképet és videót tartalmaz, hogy az AI-t a következő hat évben tovább képezze. Ez azt sugallja, hogy az AI által generált képek és videók a jövőben sokkal inkább megközelítik az emberek által készített képek és videók szintjét.

David Wengrow brit régész 2013-ban megjelent „A szörnyek eredete” című könyvében azt állítja, hogy az ókori Egyiptomtól Mezopotámián át a Földközi-tenger bronzkoráig a városok kialakulása és a civilizáció virágzása, valamint a politikai és kereskedelmi hálózatok kiterjeszkedése a valóságtól elrugaszkodott, összetett és fantasztikus lények vizuális képeinek elterjedését eredményezte.

A griffin, amely oroszlán testtel, sas fejjel és szárnyakkal rendelkezik, a minotaurusz, amelynek emberi teste és bikafeje van, és más összetett szörnyek grafikai ábrázolásait a kor emberei rögzítették a falfestményekben és dokumentumokban. Ezt a képet a kereskedelmi útvonalak mentén terjesztették, hogy igazolják az elit pozícióját. A különböző fajok végtagjainak és egyéb jellemzőinek szétválasztása és újraegyesítése egy láthatatlan, kiterjesztett világban létező entitások képeinek létrehozásához egy olyan jelenség, amely a munkaerő-megosztás növekedésével járó társadalmi változásokból adódik, amelyben az emberek nem voltak képesek azonosulni egymással. A „rész” tudatossága, ami a korábbi, „egészként” felfogott törzsi közösségek kiterjedéséből fakad, félelemhez vezet. Más szóval, Wengrow üzenete az, hogy a képzeletbeli kompozíciók és a technikai fejlődés révén felfedezett önreflexió között van egy kapcsolat.

Már tavaly is rengeteg érdekes, de bizarr képet láthattunk a Midjourney, a DALL-E és más AI képalkotási programok révén, például a római kori pókember szobráról, az űrhajósról, aki lóra ülve a Holdon közlekedik, vagy a három karral festő robotról. Ezek a képek az emberi test korlátait feszegetik. A most bemutatott Sora tovább gyorsítani fogja az AI által generált videók elterjedését. A lényeg, hogy a szörnyek, vagyis a kompozíciók ábrázolása és társadalmi terjesztése, amely az emberiség történetének kezdetei óta megfigyelhető, ismét megjelenik a generatív AI korszakában.Ez a folyamat nem pusztán egy trend, hanem egy „vibe”, amely áthatja a mai világunkat.Ez nem új megfigyelés, de a technológiai fejlődéssel való megközelítésünknek fontos fordulópontjához érkeztünk, ezért komolyan kell vennünk ezt a folyamatot.

Az X, a leggyakrabban fogyasztott és függőséget okozó YouTube és a TikTok-on belüli rövid videók megmutatjáka kontextusból kivett képek társadalmi fogyasztását.A pillanatnyi és asszociatív képek egyre fontosabbakká válnak, ami azt jelenti, hogya hagyományos értelmezési perspektívák megfordulnak, ami a információk meghatározását illeti.

Röviden,nem az a kérdés, hogy mit nézünk, hanem hogy hogyan nézünk.

Szükség van egy újabb, szemantikai és analitikai megközelítésre a testhez kapcsolódó trendek és jelenségek elemzése során. Manapság a Guess és a Calvin Klein kampányainak modellseregletének esztétikája helyett a különböző testek büszke ábrázolását bemutató fehérneműmárkák filozófiája kap elismerést. A tini korosztályhoz eljutó, rózsaszín rúzzsal díszített száj képe egy hatékony stratégia megtestesítője, függetlenül attól, hogy férfi vagy nő látható rajta. A technológia jövőjének elképzelése és a technológiai fejlődés megvitatása során mindig jelen van az emberi test. Az emberi test szemléletének kérdése egyre összetettebbé és fontosabbá válik a jövőben.

Hivatkozások

Szövegből videó készítése

A videók generálására szolgáló modellek mint világ szimulátorok

Az OpenAI DALL-E modelljét a következő hat évben a ShutterStock könyvtárából származó képek segítségével fogják képezni.

A szörnyek eredete