上週末，Open AI 推出了新服務 Sora。Sora 允許使用者輸入文字以製作 AI 影片，因此一推出就受到評論家的讚譽。由幾行簡單的文字製作而成的公開演示影片，例如中年男性慢動作吃漢堡的影片，以及從高角度拍攝的兩個行人在日本街頭散步的影片，其逼真的程度可與 CF 或電影中精心策划、導演並拍攝的場景相媲美。

Open AI 在同一天發布的技術報告中將 Sora 描述為「世界模擬器」。透過文字進行抽象化，並將其與參數空間連接起來，如果能以這種方式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 出現在人類社會中的影響力方面，無疑是巨大的。

然而，Sora 仍然存在許多局限性。例如，一個人咬了一口餅乾，但之後餅乾上卻沒有留下咬痕，或者一個人在跑步機上跑步，卻面向後方而不是操作面板，並且以奇怪的肢體動作跑步。這表明，AI 在準確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仍有不足。這種原因和結果的連接案例，以及在複雜場景中實現物理學的困難，證明了 AI 仍然無法完全理解世界。但考慮到 Open AI 在 2023 年宣布，他們與擁有 3500 萬張高解析度照片和影片的 Shutter Stock 簽訂了合約，未來 6 年將繼續訓練 AI，因此預計未來 AI 生成的圖像和影片將會越來越接近人類在現實世界中製作的水平。

英國考古學家大衛·溫格羅在 2013 年出版的《怪獸的起源》一書中指出，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、政治和商業網路擴張的時期，奇幻而複雜的非現實生物的視覺形象在各個地方出現。

獅子的身體、鷹的頭和翅膀，以及人身牛頭的彌諾陶洛斯等合成怪獸的圖像描述，被當時的人們記錄在各種壁畫和文獻中，並隨著擴大的貿易路線傳播，以作為當時精英地位的正當性。將各種生物的四肢或其他特徵分離，並將其重新組合，以創造出對應於不可見的擴展世界的存在的形象，這種現象是基於親屬關係中心的「整體」觀念向擴展的社會變革的轉變，以及由此產生的與從未見過的人們增加的分工，從而自我意識到「部分」所帶來的恐懼有關。換句話說，合成物的創造與技術發展所證實的自我意識之間的關係的發現，是他想要傳達的信息之一。

我們從去年開始就已經通過 Midjourney、DALL-E 等 AI 圖像生成程序，看到了羅馬時代的蜘蛛俠雕像、騎著馬在月球表面移動的宇航員、用三隻手臂繪畫的機器人等突破人類身體極限的有趣而怪異的圖像。而這次發布的 Sora 將加速更多 AI 生成影片的普及。重要的是，在人類早期歷史的記錄中，怪獸，即合成物的描述和社會傳播，正在當今的生成式 AI 時代重現。這種趨勢可以用「氛圍」來形容，這種「氛圍」超越了單純的「潮流」的概念，籠罩著當今世界。雖然這種表達方式並不新鮮，但我們認為現在正處於 AI 時代來臨的重要轉折點，因此有必要更加認真地看待這種趨勢。

沒有長篇論證或說明存在的 X，以及被大量消費和具有高度成癮性的 YouTube、TikTok 短視頻，證明了去脈絡化的圖像在社會中的消費現象。越來越多的瞬間和聯想性的視覺形象變得重要，這意味著關於什麼是信息的傳統解釋相關觀點被顛覆了。

總之，需要改變的是如何看，而不是看什麼。

對於與身體相關的趨勢或現象，我們應該選擇更具意義和分析性的早期方法。在 Guess、Calvin Klein 的營銷活動中，模特軍團的美學被認可，而以不同身體自然形態為特色的內衣品牌哲學被認可，在嘴唇上塗著粉紅色口紅，讓人難以辨別性別的形象，成為了青少年時代的有效策略的象徵。在想像技術的未來和討論技術進步時，人類身體總是與之並存。我們如何看待人體這個問題將會越來越複雜，也越來越重要。

參考資料

從文字創建影片

視頻生成模型作為世界模擬器

OpenAI 的 DALL-E 將在 Shutterstock 的圖書館中訓練六年

怪獸的起源