Kõigepealt ilmus välja idufirma OpenAI vestlusrobot ChatGPT, mis aitas soravaid tekste teha ning isegi programmeerida. Seejärel vallutasid maailma pildigeneraatorid, mis etteantud tekstikirjelduse järgi mistahes usutava pildi valmis joonistasid. Nüüd on aga seesama OpenAI valmis saanud videogeneraatori, mille klipid on nii usutavad, et raske on teha vahet masina loodud ja päris liikuval pildil. Kas nüüd saame ka videote tegemise masinate hooleks usaldada?
OpenAi uus teenus Sora teeb samamoodi nagu pildigeneraator Dall-E teksti põhjal videoid. Turunduseksperdid on juba ammu rääkinud, et video on see, mida vaadatakse aina rohkem ja kui sul pole videot, siis pole sind varsti justkui olemaski. Pilt ja tekst kipuvad taanduma liikuvate kaadrite ees. Ühel veebilehel võikski olla firmat ja selle tooteid tutvustav videoklipp.
See kõik aga on olnud siiani kulukas, aeganõudev ja oskusi vajav tegevus. Head klippi ei tooda alati põlve otsas, ehkki on ka üksikuid erandeid. Kuid häid pilte oli samuti kunagi üsna raske leida, enne kui tuli appi tehisaru. Kas nüüd juhtub sama videoga? Uurime järgi, mida endast OpenAI uus teenus Sora kujutab ning kas see tekitab nüüd videomaastikul samasuguse revolutsiooni nagu tekstide ja piltidega.
OpenAI on tuntud oma teedrajava tegevuse poolest tehisintellekti valdkonnas, alustades tekstigeneraatorist ChatGPT ja lõpetades piltide genereerimise mudeliga DALL-E. Nüüd on nad välja tulnud uue teenusega Sora, mis suudab luua videoid lühikese tekstikirjelduse põhjal.
Sora on veel arendusjärgus, kuid suudab juba genereerida hämmastavalt realistlikke videoid. Tehisaru teeb neid erinevates stiilides, alates fotorealismist kuni ulmeliste animatsioonideni. Tööriista abil võib luua videoid peaaegu igal teemal, mida suudad ette kujutada, olgu selleks siis tootedemo, muusikavideo või isegi lühifilm.
Mida on oluline videogeneraatorite puhul teada?
Videogeneraatorid on tehisintellekti tehnoloogia, mis suudab luua liikuvaid pilte tekstikirjelduse põhjal. See on võimas uus tööriist, millel on potentsiaal muuta seda, kuidas me videoid loome ja tarbime.
Nii nagu piltide puhul luuakse kõigepealt tekstist kujutis, kuid nüüd on vaja panna see liikuma. Tekstikirjelduses saabki ette anda liikumise olemuse ja järjekorra.
Samas teeb Sora veel vigu ja mõnikord võib tekkida hallutsinatsioone: näiteks liikumine näib ebaloomulik või unustatakse ära põhjuse-tagajärje seosed. OpenAI on need vead kõik oma kodulehel ilusti ära toonud. Kui näiteks eelmises kaadris hammustab keegi küpsist, siis võib juhtuda, et kunstmõistus ei suuda järeldada, et järgmises kaadris peaks olema juba hammustatud küpsis ja võidakse näidata hoopis tervet. Samuti kipub Sora näidisvideos näiteks kutsikate arv pidevalt muutuma, kui palutakse joonistada teel mängivaid loomi. Üks video aga ei suuda jäika plast-tooli hoida ühes tükis ja muudab selle voolavaks.
Videogeneraatorite puhul on oluline teada järgmist:
- Need on veel arendusjärgus. Videogeneraatorid on suhteliselt uus tehnoloogia ja neil on veel palju arenguruumi. Need ei pruugi alati suuta luua täpselt seda, mida soovitakse ja tulemused võivad olla ebatäiuslikud. Füüsilise maailma reeglid pole tehisarule veel lõplikult selged.
- Need vajavad väga palju andmeid. Videogeneraatorid treenitakse suurte andmekogumite peal, mis sisaldavad teksti, pilte ja videoid. See tähendab, et need võivad olla kallutatud ja genereerida tulemusi, mis ei ole esinduslikud või täpsed. Mõne valdkonna kohta võib olemas olla tohutult treeninguandmeid, mõni sektor aga on napilt kaetud. Näiteks on keelemudelitel tavaliselt väga palju ingliskeelset infot, kuid eestikeelset materjali suhteliselt kesiselt. Sama lugu on ka erinevate videotega ja liikumisnäidetega.
- Neid saab kuritarvitada. Videogeneraatoreid saab kasutada valeinformatsiooni ja süvavõltsingute loomiseks. Oluline on olla teadlik sellest võimalikust ohust ja kasutada videogeneraatoreid vastutustundlikult, sest liikuv pilt on inimeste jaoks palju usutavam, kui tekst või pilt. Sora toob tehislike videote valdkonda täiesti uue taseme, mille puhul on raske kunstlikku päris videost eristada.
Milline on Sora tulevik?
Sora on veel arendusjärgus, kuid sellel on võimalus muuta seda, kuidas me videoid loome ja tarbime. See on ülivõimas tööriist, mida saab kasutada erinevatel eesmärkidel, alates haridusest ja meelelahutusest kuni turunduse ja reklaamini, nii et hea oleks end viia kurssi uue tööriista võimalustega.
Sora proovimiseks tuleb end registreerida OpenAI veebisaidil, kuid esialgu ei saa isegi kõik soovijad seda katsetada, kuna ressurssi nõudev teenus on kättesaadav vaid valitud kasutajatele. Ilmselt laieneb testijate hulk peagi.
Teenus tuli välja 15. veebruaril 2024, kuid pole muidugi esimene tehisintellekti mudel, mis videoid suudab genereerida. Küll on see aga esimene, mis näitas nii kõrget kvaliteeti ja suutis luua väga usutavat fotorealismi.
Kas seda saab juba vabalt kasutada?
Kuigi väljund tundub muljetavaldav, on seni sotsiaalmeedias jagatud ainult OpenAI töötajate endi loodud videoid, kuigi mõned neist on tehtud ka fännide soovitatud juhiste alusel. Firma enda kinnitusel on kõik klipid masina tehtud ning pole inimeste poolt manipuleeritud.
Nagu DALL-E 3, väidab OpenAI, on ka Soral juba mitmeid sisupiiranguid. See hõlmab reaalsetest inimestest piltide loomise piiranguid, keelatud on ka näidata äärmuslikku vägivalda, seksuaalset sisu, vaenu õhutavaid kujutisi, kuulsustele sarnaseid tegelasi või intellektuaalse omandi õigustega kaitstud sisu nagu logod ja kaubamärgid. DALL-E 3 puhul kehtivad samad piirangud.
Vaata videoklippe, mille on teinud Sora etteantud teksti põhjal siit:
