Sora não substituirá os humanos, e eis o porquê

Sora não substituirá os humanos, e eis o porquê é perfilado pela BTW Media porque evidências publicadas o vinculam a infraestrutura da internet, governança, dependências operacionais ou visibilidade de mercado.

• Sora é um modelo de geração de vídeo publicado pela OpenAI, capaz de gerar vídeos realistas a partir de descrições textuais, gerando ampla atenção e discussões.
• Embora Sora represente um passo importante no campo da inteligência artificial, a ideia de substituir completamente os humanos ou perturbar a realidade ainda é prematura, sendo o desafio principal a construção de modelos de mundo precisos e generalizáveis.
• IA é uma ferramenta, uma tecnologia criada por humanos para ajudar a resolver problemas. No estado atual, enquanto a IA não tiver autoconsciência, ela não possuirá «originalidade», limitando-se a organizar o conhecimento humano existente.

OpenAI publicou o modelo texto-vídeoSoranas primeiras horas de 16 de fevereiro, provocando uma série de choques e exclamações nos círculos tecnológicos e midiáticos. Imediatamente, os vídeos do tipo explosão gerados pela Sora, conforme publicados no site da OpenAI, circularam amplamente online. Usando o Sora, basta inserir uma descrição textual para obter um vídeo de até 60 segundos, contendo cenas extremamente detalhadas, expressões faciais vívidas e movimentos de câmera complexos, quase impossíveis de distinguir da realidade. Os internautas exclamaram que a IA estava revolucionando setores como cinema, vídeos curtos e jogos, alguns até exagerando ao dizer que «o mundo real não existe mais!» A perspectiva de substituição de humanos pela IA parecia mais próxima.

Este evento nos fez maravilhar com a nova onda de revolução tecnológica desencadeada pela Sora, que pode em breve reduzir a barreira para pessoas comuns produzirem vídeos, com os complexos trabalhos de filmagem e edição sendo simplificados, e a imaginação e criatividade das pessoas se tornando as fontes mais essenciais de competitividade do conteúdo de vídeo. Consequentemente, «empresas individuais» e equipes muito pequenas também podem realizar filmes e conteúdos de vídeo que antes exigiam mão de obra e custos enormes. A onda tecnológica traz admiração e antecipação, assim como preocupações sobre substituição e disrupção.

Leia também:20 gigantes da tecnologia se comprometem a combater a interferência eleitoral por IA

Sora não compreende o mundo físico e carece de um «modelo do mundo»

No entanto, nos últimos dias, observei que cientistas e muitos insiders da indústria de ponta ainda discutem principalmente o problema do «modelo do mundo» da Sora. Os vídeos gerados pela Sora têm visuais e coerência extremamente realistas, alguns quase impossíveis de distinguir daqueles criados por humanos. Isso não é simples; exige que as máquinas compreendam a estrutura, detalhes, trajetórias de movimento e mudanças de luz e sombra do mundo real, sem violar a cognição humana. Alguns pensam que a Sora entende o mundo físico, possuindo a forma embrionária de um «modelo do mundo».

O modelo de mundo da IA pode ser considerado seu modelo mental, refletindo a compreensão e as expectativas do sistema de inteligência artificial sobre si mesmo e o mundo exterior. Tomando o modelo de mundo humano como exemplo, o termo «modelo» implica que todo o conhecimento que entendemos não é armazenado como um monte de fatos, mas organizado em uma estrutura que reflete o mundo e tudo que ele contém.

Não nos lembramos de uma série de fatos sobre cada elemento, mas construímos inúmeros modelos em nosso cérebro, como modelos de «portões da cidade» e «eixos do osso do quadril», cada um com sua própria forma, arranjo e a maneira como diferentes partes se movem e funcionam juntas. Para reconhecer algo, conhecemos sua aparência e textura; para alcançar um objetivo, entendemos o comportamento típico das coisas no mundo quando interagem conosco, como o tipo de marcas de mordida que uma maçã teria se fosse mordida. No entanto, muitos cientistas acreditam que a Sora não compreende o mundo físico e carece de um «modelo do mundo».

O vencedor do Prêmio TuringYann LeCunacredita que gerar vídeos realistas apenas com base em descrições não significa necessariamente que o modelo entenda o mundo físico; o processo de geração de vídeo é totalmente diferente das previsões causais baseadas em um modelo de mundo.

François Chollet, o autor do framework de deep learning «Keras» e pesquisador de IA no Google, sugere que modelos como o Sora podem de fato incorporar um «modelo físico», mas a questão é: esse modelo físico é preciso? Ele pode generalizar para novas situações além da simples interpolação dos dados de treinamento?

Os vídeos gerados pela Sora apresentam de fato vários defeitos, como o plano em vista subjetiva de formigas rastejando em um ninho onde só se veem quatro patas quando examinado de perto; o vídeo de uma pessoa correndo em uma esteira na direção oposta, e o vídeo de «um grande pato atravessa as ruas de Boston», o pato anda sobre uma pessoa.

Jim Fan, pesquisador científico sênior da Nvidia, sugere duas possíveis explicações para esse problema: (1) O modelo pode carecer de compreensão da física, limitando-se a montar pixels de imagem aleatoriamente, ou (2) O modelo tenta construir um motor físico interno, mas seu desempenho é ruim.

Os insiders da indústria acreditam que a Sora usa uma abordagem de «força bruta», explorando grandes quantidades de dados, grandes modelos e poder computacional considerável, com o uso subjacente de modelos de mundo validados nas áreas de jogos, direção autônoma e robótica para construir o modelo texto-vídeo, permitindo-lhe simular o mundo.

No entanto, isso equivale a aprender as leis do mundo por meio de uma «leitura de imagens» extensiva, o que, embora razoável, não pode aprender as leis do mundo dedutíveis pela física, como as leis de Newton.

No final, os humanos não inventaram aviões imitando pássaros, mas compreendendo a aerodinâmica. A Sora marca de fato mais um passo importante na IA, prometendo simplificar significativamente o trabalho humano, reduzir os atributos «ferramentais» dos humanos e auxiliar ou assumir parcialmente certas tarefas. No entanto, uma verdadeira substituição dos humanos ou perturbação da realidade parece prematura.

Leia também:Um chatbot de IA pode fazer o trabalho de 700 pessoas?

Quiz rápido

Quanto tempo podem durar os vídeos gerados pela Sora?

A. 60 segundos

B. 2 minutos

C. 4 minutos

D. 10 minutos

A resposta correta está no final do artigo.

A IAGC pode ser uma ferramenta poderosa para criadores de conteúdo altamente originais

O desenvolvimento posterior da IAGC (incluindo, mas não se limitando à Sora) levará o processo de reformulação em uma direção mais favorável à diversidade. Poderíamos usar um modelo analítico muito simplificado para dividir as capacidades dos criadores de conteúdo nativos da Internet em duas direções. Primeiro, a sensibilidade a tópicos de tendência, ou seja, a capacidade de acompanhar tópicos e tendências da moda. Sem dúvida, a qualquer momento, a maior parte do tráfego nas redes sociais está concentrada em muito poucos tópicos de tendência.

A capacidade de capturar esses tópicos determina a explosividade de curto prazo do criador, ou em termos mais modernos, seu «potencial viral». Segundo, o tom do conteúdo, relativo à singularidade e insubstituibilidade do conteúdo. O conteúdo de alguns criadores é inesquecível, carregando marcas pessoais distintas que nenhum concorrente pode imitar. A posse de um tom suficientemente insubstituível determina a resistência do criador, ou o que poderíamos chamar de «sustentabilidade» ou «adesão de fãs».

A IAGC beneficiará criadores de conteúdo de nicho que se destacam no tom do conteúdo e ganham popularidade gradualmente, enquanto prejudicará aqueles que prosperam capturando tópicos de tendência para modas passageiras. Na era da IAGC, correr atrás de tópicos de tendência não será mais uma vantagem competitiva básica para criadores de conteúdo, pois o limiar para fazê-lo diminuirá. Consequentemente, a importância do tom do conteúdo aumentará ainda mais, podendo se tornar o único trunfo.

A cobertura oportuna de tópicos de tendência será principalmente tarefa da IA, sendo a principal concorrência a eficiência da IAGC, tornando difícil para qualquer um se destacar. No entanto, para criadores de conteúdo cuja competitividade básica reside em seu tom, a IAGC pode se tornar uma nova arma poderosa.

Os internautas ainda têm uma tendência natural a correr atrás de tópicos de tendência, mas o que exigirão cada vez mais não é conteúdo oportuno, mas sim interpretações distintas ou análises aprofundadas. Assim como os fãs de futebol que deslocaram sua atenção da cobertura rápida e completa de notícias para a análise aprofundada de jogos e programas interativos e divertidos. Criadores de nicho de alta qualidade podem colaborar com a IA: os primeiros focados no tom, os chamados «lampejos de inspiração», e os segundos lidando com tarefas repetitivas, chamadas de «trabalho básico» na indústria de conteúdo.

A IA ainda tem um longo caminho a percorrer

A Sora muda o jogo. Conhecendo como Hollywood funciona, eles certamente tentarão usá-la para substituir empregos. Mas é uma ferramenta, e algumas pessoas a aproveitarão e tirarão proveito, e outras não. Ainda não vi uma IA cheia de emoção humana; tudo é bastante assustador no momento. Só se torna uma ameaça total quando pode fazer os humanos sentirem emoções.

Lee Romaire, produtor criativo e vencedor do Emmy

IA é uma ferramenta, um meio tecnológico criado por humanos para resolver problemas. No estado atual, enquanto a IA não desenvolver autoconsciência, ela não possuirá «originalidade», mas se limitará a coletar e organizar o conhecimento humano existente. Mesmo as IAs generativas avançadas como o ChatGPT não são exceção.

Lee Romaire, vencedor do Emmy, compartilhou sua opinião sobre isso dizendo: «A Sora muda o jogo. Conhecendo como Hollywood funciona, eles certamente tentarão usá-la para substituir empregos. Mas é uma ferramenta, e algumas pessoas a aproveitarão e tirarão proveito, e outras não. Ainda não vi uma IA cheia de emoção humana; tudo é bastante assustador no momento. Só se torna uma ameaça total quando pode fazer os humanos sentirem emoções.»

A OpenAI já divulgou os detalhes técnicos da Sora, revelando que seu roteiro tecnológico herda do modelo texto-imagem publicado anteriormente. Embora haja algumas inovações, elas não são revolucionárias. Pelo menos no ambiente atual, é improvável que a Sora produza uma verdadeira «originalidade», e sua eficácia e poder de persuasão na geração de vídeos ainda dependem fortemente do «treinamento» individual do usuário.

A resposta correta é A.