上週末，Open AI 發布了新的服務 Sora。Sora 允許用戶輸入文字生成 AI 影片，一經發布便獲得了評論家的讚譽。公開的演示影片僅需幾行簡單的文字即可製作，例如中年男子慢動作吃漢堡的畫面、俯瞰日本街道上兩個人散步的鏡頭等等，這些影片呈現出的真實感堪比廣告或電影中經過精心策劃、拍攝的場景。
Open AI 在同一天發布的技術報告中將 Sora 描述為世界模擬器。如果透過文字抽象化與參數空間的連結，就能夠實現如此逼真的抽象化，那麼未來 GPT 模型的推理能力將會受到極大的影響，其意義在於 AI 對人類社會的影響力方面，可謂意義重大。
提示：跑步者的逐幀畫面，以35毫米膠片拍攝的電影風格鏡頭。
然而，Sora 仍然存在許多局限性。例如，一個人咬了一口餅乾，但隨後餅乾上的咬痕消失了；或者一個人正在跑步機上跑步，但他的身體卻朝向跑步機的後方，而非控制面板的方向，並且肢體動作顯得僵硬。這些例子表明，Sora 在理解和呈現使用者提供的提示中的空間細節、隨時間推移發生的變化等方面存在不足。這種原因和結果之間的關聯性，以及在複雜場景中實現物理學的困難，都證明了 AI 仍然無法真正理解世界。但考慮到 Open AI 在 2023 年宣布與擁有 3500 萬張高解析度照片和影片的 Shutterstock 簽訂合約，並計劃在未來六年內繼續訓練 AI，因此預計未來 AI 生成的影像和影片將會越來越接近人類製作的真實水平。
英國考古學家大衛·溫格羅於 2013 年出版的著作《怪物的起源》中指出，從原始埃及到美索不達米亞文明，再到地中海鐵器時代，在城市形成、文明蓬勃發展以及政治和商業網絡擴展的時期，幻想且複雜的非現實生物的視覺形象在各個地區都廣泛出現。
來自俄羅斯南部帕齊里克和圖埃克塔古墓的奇幻生物圖像
例如，獅身鷹首獸（Griffin）、牛頭人身獸（Minotaur）等合成怪物的圖像描述被當時的人們記錄在各種壁畫和文獻中，並隨著擴展的貿易路線傳播，以維護當時精英階層的合法地位。這種將不同物種的四肢或其他特徵分離並重新組合，以創造出對應於看不見的擴展世界的存在形象的現象，可以解釋為：在生產活動中，以親屬關係為中心的『整體』觀念轉變為擴展的社會變革，導致與從未謀面的人們之間的勞動分工增加，從而產生了作為『部分』的自我意識，以及由此產生的恐懼。換句話說，合成物的創作與技術發展所揭示的自我意識與關係的發現，是他想要傳達的訊息之一。
我們從去年開始，透過 Midjourney、DALL-E 等 AI 圖像生成程式，已經見識了無數有趣且怪誕的影像，例如羅馬時代的蜘蛛人雕像、騎馬在月球表面行進的太空人、擁有三隻手臂的機器人繪畫等等，這些影像都突破了人類身體的限制。而這次發布的 Sora 將進一步加速 AI 生成的影片的普及。重要的是，在生成式 AI 時代，早期人類歷史記錄中反覆出現的怪物，也就是合成物的描述和社會傳播，正在重演。 這種趨勢可以用『氛圍』（vibe）來形容，它超越了單純的趨勢這個詞所能表達的範圍，是當今世界瀰漫的一種氣息。儘管這個詞並不新鮮，但我們似乎正處於通往 AI 時代的一個值得注意的轉折點，因此我們需要更認真地看待這種趨勢。
在 YouTube、TikTok 等平台上，由於缺乏長篇論證或說明的空間，短影片盛行，這證明了脫離語境的影像在社會上被廣泛消費的現象。越來越多的瞬間、聯想性的詩意影像變得重要，這也意味著關於資訊的解讀觀點，也就是什麼被視為資訊，正在發生逆轉。。
簡而言之，我們需要改變的是『看什麼』，而是『如何看』。
對於與身體相關的趨勢或現象，我們需要選擇更具意義、更具分析性的方法來進行研究。在 Guess、Calvin Klein 等品牌的行銷活動中，模特兒軍團的美學逐漸被淡化，取而代之的是內衣品牌宣揚各種身體的自信，以及模糊性別的唇膏圖像成為吸引青少年的有效策略。當我們想像技術的未來和討論技術的發展時，人類的身體必然存在其中。『如何看待人類的身體』這個問題將會變得越來越複雜和重要。
參考資料
评论0