Sora wird Menschen nicht ersetzen, und hier ist der Grund

Sora wird Menschen nicht ersetzen, und hier ist der Grund wird von BTW Media profiliert, weil veröffentlichte Beweise es mit Internetinfrastruktur, Governance, betrieblichen Abhängigkeiten oder Marktsichtbarkeit in Verbindung bringen.

• Sora ist ein von OpenAI veröffentlichtes Videogenerierungsmodell, das in der Lage ist, aus Textbeschreibungen realistische Videos zu generieren, was große Aufmerksamkeit und Diskussionen hervorruft.
• Obwohl Sora einen wichtigen Schritt im Bereich der künstlichen Intelligenz darstellt, ist die Idee, Menschen vollständig zu ersetzen oder die Realität zu stören, noch verfrüht. Die zentrale Herausforderung liegt im Aufbau präziser und verallgemeinerbarer Weltmodelle.
• KI ist ein Werkzeug, eine von Menschen geschaffene Technologie zur Lösung von Problemen. Im gegenwärtigen Zustand, solange KI kein Selbstbewusstsein hat, wird sie keine „Originalität“ besitzen, sondern lediglich vorhandenes menschliches Wissen organisieren.

OpenAI hat das Text-zu-Video-ModellSorain den frühen Morgenstunden des 16. Februar veröffentlicht, was in Technologie- und Medienkreisen eine Reihe von Schocks und Ausrufen auslöste. Sofort verbreiteten sich die von Sora generierten Explosionsvideos, wie sie auf der OpenAI-Website veröffentlicht wurden, weit im Internet. Mit Sora reicht die Eingabe einer Textbeschreibung aus, um ein Video mit einer Dauer von bis zu 60 Sekunden zu erhalten, das extrem detaillierte Szenen, lebendige Charakterausdrücke und komplexe Kamerabewegungen enthält, die kaum von der Realität zu unterscheiden sind. Internetnutzer riefen aus, dass KI Branchen wie Film, Kurzvideos und Spiele revolutioniere, einige übertrieben sogar und sagten: „Die reale Welt existiert nicht mehr!“ Die Aussicht auf eine Ersetzung des Menschen durch KI schien näher zu rücken.

Dieses Ereignis ließ uns über die neue Welle der technologischen Revolution staunen, die Sora ausgelöst hat, die bald die Hürde für normale Menschen senken könnte, Videos zu produzieren, während die komplexen Arbeiten des Drehens und Schneidens vernachlässigt werden und Vorstellungskraft und Kreativität der Menschen zu den wesentlichsten Wettbewerbsquellen für Videoinhalte werden. Folglich könnten „Ein-Personen-Unternehmen“ und sehr kleine Teams auch Filme und Videoinhalte realisieren, die zuvor enorme Arbeitskräfte und Kosten erforderten.

Die technologische Welle bringt sowohl Bewunderung und Vorfreude als auch Bedenken hinsichtlich Ersetzung und Störung mit sich.

Lesen Sie auch:20 Technologiegiganten verpflichten sich zur Bekämpfung von Wahlbeeinflussung durch KI

Sora versteht die physische Welt nicht und ihm fehlt ein „Weltmodell“

In den letzten Tagen habe ich jedoch beobachtet, dass Wissenschaftler und viele Brancheninsider an der Spitze der Technologie noch am meisten über das Problem des „Weltmodells“ von Sora diskutieren. Die von Sora generierten Videos haben extrem realistische Bilder und Konsistenz, einige sind fast nicht von menschlich erstellten zu unterscheiden. Das ist nicht einfach; es erfordert, dass Maschinen die Struktur, Details, Bewegungsbahnen und Licht- und Schattenwechsel der realen Welt verstehen, ohne die menschliche Kognition zu verletzen. Einige glauben, dass Sora die physische Welt versteht und die embryonale Form eines „Weltmodells“ besitzt.

Das Weltmodell der KI kann als ihr mentales Modell betrachtet werden, das das Verständnis und die Erwartungen des KI-Systems an sich selbst und die Außenwelt widerspiegelt. Am Beispiel des menschlichen Weltmodells impliziert der Begriff „Modell“, dass all das Wissen, das wir verstehen, nicht als ein Haufen Fakten gespeichert, sondern in einer Struktur organisiert ist, die die Welt und alles, was sie enthält, widerspiegelt.

Wir erinnern uns nicht an eine Reihe von Fakten über jedes Element, sondern wir bauen unzählige Modelle in unserem Gehirn, wie Modelle von „Stadttoren“ und „Hüftknochenachsen“, jedes mit seiner eigenen Form, Anordnung und der Art und Weise, wie die verschiedenen Teile sich bewegen und zusammenwirken. Um etwas zu erkennen, kennen wir sein Aussehen und seine Textur; um ein Ziel zu erreichen, verstehen wir das typische Verhalten von Dingen in der Welt, wenn sie mit uns interagieren, wie die Art von Bissspuren, die ein Apfel hätte, wenn er gebissen würde.

Viele Wissenschaftler glauben jedoch, dass Sora die physische Welt nicht versteht und ihm ein „Weltmodell“ fehlt.

Der Turing-PreisträgerYann LeCunist der Ansicht, dass das Generieren realistischer Videos allein auf der Grundlage von Beschreibungen nicht unbedingt bedeutet, dass das Modell die physische Welt versteht; der Videogenerierungsprozess unterscheidet sich völlig von kausalen Vorhersagen, die auf einem Weltmodell basieren.

Francois Chollet, Autor des Deep-Learning-Frameworks „Keras“ und KI-Forscher bei Google, schlägt vor, dass Modelle wie Sora tatsächlich ein „physikalisches Modell“ integrieren können, aber die Frage ist: Ist dieses physikalische Modell genau? Kann es über die bloße Interpolation von Trainingsdaten hinaus auf neue Situationen verallgemeinern?

Die von Sora generierten Videos weisen tatsächlich mehrere Mängel auf, wie die subjektive Kameraeinstellung von Ameisen, die in einem Nest kriechen, bei der man bei genauerem Hinsehen nur vier Beine sieht; das Video einer Person, die auf einem Laufband in die entgegengesetzte Richtung läuft, und das Video von „einer großen Ente, die durch die Straßen von Boston läuft“, die Ente läuft über eine Person.

Jim Fan, Senior Research Scientist bei Nvidia, schlägt zwei mögliche Erklärungen für dieses Problem vor: (1) Dem Modell könnte das Verständnis der Physik fehlen, es setzt lediglich zufällig Bildpixel zusammen, oder (2) Das Modell versucht, eine interne Physik-Engine zu bauen, aber seine Leistung ist schlecht.

Brancheninsider glauben, dass Sora einen „Brute-Force“-Ansatz verwendet, große Datenmengen, große Modelle und beträchtliche Rechenleistung nutzt, mit der zugrunde liegenden Verwendung von Weltmodellen, die in den Bereichen Gaming, autonomes Fahren und Robotik validiert wurden, um das Text-zu-Video-Modell zu bauen, das es ihm ermöglicht, die Welt zu simulieren.

Dies kommt jedoch einem Lernen der Weltgesetze durch umfangreiches „Bilderlesen“ gleich, was zwar vernünftig ist, aber nicht die durch die Physik ableitbaren Weltgesetze wie die Newtonschen Gesetze lernen kann.

Letztendlich haben Menschen Flugzeuge nicht durch Nachahmung von Vögeln erfunden, sondern durch das Verständnis der Aerodynamik. Sora markiert in der Tat einen weiteren wichtigen Meilenstein in der KI, der verspricht, die menschliche Arbeit erheblich zu vereinfachen, die „Werkzeug“-Eigenschaften des Menschen zu reduzieren und bestimmte Aufgaben zu unterstützen oder teilweise zu übernehmen. Eine echte Ersetzung des Menschen oder eine Störung der Realität scheint jedoch verfrüht.

Lesen Sie auch:Kann ein KI-Chatbot die Arbeit von 700 Menschen erledigen?

Schnellquiz

Wie lange können die von Sora generierten Videos dauern?

A. 60 Sekunden

B. 2 Minuten

C. 4 Minuten

D. 10 Minuten

Die richtige Antwort befindet sich am Ende des Artikels.

AIGC könnte ein leistungsstarkes Werkzeug für sehr originelle Content-Ersteller sein

Die weitere Entwicklung von AIGC (einschließlich, aber nicht beschränkt auf Sora) wird den Umstrukturierungsprozess in eine Richtung treiben, die der Vielfalt förderlicher ist. Wir könnten ein stark vereinfachtes Analysemodell verwenden, um die Fähigkeiten von nativen Internet-Content-Erstellern in zwei Richtungen zu unterteilen. Erstens die Sensibilität für aktuelle Themen, d.h. die Fähigkeit, modische Themen und Trends zu verfolgen. Zweifellos ist zu jeder Zeit der Großteil des Datenverkehrs in sozialen Netzwerken auf sehr wenige aktuelle Themen konzentriert.

Die Fähigkeit, diese Themen zu erfassen, bestimmt die kurzfristige Explosivität des Erstellers, oder in trendigeren Begriffen, sein „Viralitätspotenzial“. Zweitens die Tonalität des Inhalts, die die Einzigartigkeit und Unersetzlichkeit des Inhalts betrifft. Der Inhalt einiger Ersteller ist unvergesslich, trägt unverwechselbare persönliche Handschriften, die kein Konkurrent nachahmen kann. Der Besitz einer ausreichend unersetzlichen Tonalität bestimmt die Ausdauer des Erstellers, oder was wir „Nachhaltigkeit“ oder „Fanbindung“ nennen könnten.

AIGC wird Nischen-Content-Erstellern zugutekommen, die sich durch Tonalität auszeichnen und allmählich an Popularität gewinnen, während es diejenigen benachteiligen wird, die davon leben, aktuelle Themen für kurzlebige Trends zu erfassen. Im Zeitalter von AIGC wird die Jagd nach aktuellen Themen kein grundlegender Wettbewerbsvorteil mehr für Content-Ersteller sein, da die Hürde dafür sinken wird. Folglich wird die Bedeutung der Tonalität des Inhalts noch weiter zunehmen und möglicherweise zur einzigen Trumpfkarte werden.

Die zeitnahe Berichterstattung über aktuelle Themen wird hauptsächlich Aufgabe der KI sein, wobei der Hauptwettbewerb die Effizienz von AIGC sein wird, was es für jeden schwierig macht, sich abzuheben. Für Content-Ersteller, deren Kernwettbewerbsfähigkeit in ihrer Tonalität liegt, kann AIGC jedoch zu einer neuen starken Waffe werden. Internetnutzer haben immer noch eine natürliche Tendenz, aktuellen Themen nachzujagen, aber was sie zunehmend verlangen werden, ist nicht rechtzeitiger Inhalt, sondern eher unverwechselbare Interpretationen oder tiefgehende Analysen.

Genau wie Fußballfans ihre Aufmerksamkeit von der schnellen und umfassenden Nachrichtenberichterstattung auf die tiefgehende Spielanalyse und interaktive Unterhaltungsprogramme verlagert haben. Hochwertige Nischenersteller können mit KI zusammenarbeiten: Erstere konzentrieren sich auf die Tonalität, die sogenannten „Inspirationsblitze“, und Letztere erledigen die sich wiederholenden Aufgaben, die in der Content-Branche als „Grundlagenarbeit“ bezeichnet werden.

KI hat noch einen langen Weg vor sich

Sora verändert das Spiel. Wenn man weiß, wie Hollywood funktioniert, werden sie es mit Sicherheit versuchen, um Arbeitsplätze zu ersetzen. Aber es ist ein Werkzeug, und einige werden es nutzen und davon profitieren, andere nicht. Ich habe noch keine KI mit menschlichen Emotionen gesehen; alles ist im Moment ziemlich beängstigend. Es wird erst dann zu einer totalen Bedrohung, wenn es Menschen Emotionen spüren lassen kann.

Lee Romaire, Kreativproduzent und Emmy-Preisträger

KI ist ein Werkzeug, ein von Menschen geschaffenes technologisches Mittel zur Problemlösung. Im gegenwärtigen Zustand, solange KI kein Selbstbewusstsein entwickelt, wird sie keine „Originalität“ besitzen, sondern lediglich vorhandenes menschliches Wissen sammeln und organisieren. Selbst fortgeschrittene generative KIs wie ChatGPT sind keine Ausnahme.

Lee Romaire, Emmy-Preisträger, hat seine Ansicht dazu geteilt: „Sora verändert das Spiel. Wenn man weiß, wie Hollywood funktioniert, werden sie es mit Sicherheit versuchen, um Arbeitsplätze zu ersetzen. Aber es ist ein Werkzeug, und einige werden es nutzen und davon profitieren, andere nicht. Ich habe noch keine KI mit menschlichen Emotionen gesehen; alles ist im Moment ziemlich beängstigend. Es wird erst dann zu einer totalen Bedrohung, wenn es Menschen Emotionen spüren lassen kann.“

OpenAI hat bereits die technischen Details von Sora offengelegt und enthüllt, dass sein Technologiefahrplan von dem zuvor veröffentlichten Text-zu-Bild-Modell erbt. Obwohl es einige Neuerungen gibt, sind sie nicht revolutionär. Zumindest in der aktuellen Umgebung ist es unwahrscheinlich, dass Sora echte „Originalität“ hervorbringt, und seine Effizienz und Überzeugungskraft bei der Videogenerierung hängen noch stark vom individuellen „Training“ des Benutzers ab.

Die richtige Antwort ist A.