就在大约一个月之前，人工智能界又一次被OpenAI搅得天翻地覆。
这次并不是因为Sam Altman或者别的领导层又又又在闹什么宫斗大戏，而是2月16日凌晨，在没有任何预兆和消息透露的情况下，OpenAI 突然发布了自己的首个文生视频模型：Sora。
图片来源于OpenAI
Sora的诞生，别说是人工智能界，连同一些与科技联系紧密的影视圈都彻夜无眠。不仅现阶段文生视频AI的技术极限得到了大幅刷新，生成式AI在视频领域的地位也将要被人刮目相待。
Sora确实是太可怕了。
只要给出一段文字，Sora就能生成出长达60秒的精美逼真的视频。无论是多镜头切换还是一镜到底都可以轻松驾驭，同时还能保持对物理世界的合理认知和角色视觉风格的一致性。
无论是女子走在繁华的东京街头：
Promt节选：A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage. She wears a black lether jacket, long red dress and black boots...
还是创造出在咖啡杯里乘风破浪的海盗船：
Promt：Photorealistic closeup video of two pirate ships battling each other as they sail inside a cup of coffee.
从跟随视角拍摄越野车行驶在悬崖峭壁：
Promt节选：: The camera follows behind a white vintage SUV with a black roof rack as it speeds up a steep dirt road surrounded by pine trees on a steep mountain slope...
到模拟drone广角拍摄的海边城堡：
Promt节选：A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage. She wears a black lether jacket, long red dress and black boots...
除了模拟相机POV或者运镜变换的能力超群，Sora生成微距拍摄的人类或是动物细节也毫无瑕疵，充分体现了模型对生物结构的正确理解：

Promt节选: Extreme close up of a 24 year old woman’s eye blinking, standing in Marrakech during magic hour, cinematic film shot in 70mm, depth of field, vivid colors, cinematic
Promt节选：A litter of golden retriever puppies playing in the snow. Their heads pop out of the snow, covered in.
所以为什么Sora这么强大？
从Sora的技术文档中可以发现，Sora是一个diffusion model，它是利用深度学习技术来逐步从一种无序状态（如静态噪声）转变为有序状态（如清晰图像或视频）的一种技术。
Sora基于DALL·E和GPT模型的先前研究成果，采用了DALL·E 3中的recaptioning技术，这涉及为视觉训练数据生成高度描述性的文字。因此，该模型能够更忠实地遵循用户在生成视频中的文本指令。并且通过这些技术细节，Sora扩展了图像和视频生成模型的能力，使其能够更准确、更创造性地响应用户的文本指令，生成符合预期的高质量视频内容。
当然，目前的Sora绝非完美无缺，目前Sora还是会存在生成的视频不合理的问题，主要是由于对世界缺乏足够的物理认知而闹出笑话。
比如说生成了倒着在跑步机上运动的男人，并且跑步姿势不符合人体规律。
Promt节选：Prompt: Step-printing scene of a person running, cinematic film shot in 35mm.
或者是考古学家从沙子中挖出一把诡异悬浮的塑料椅。
Promt节选：Prompt: Archeologists discover a generic plastic chair in the desert, excavating and dusting it with great care.
OpenAI团队表示Sora目前正在接受红队测试，用以评估关键领域的潜在危害或者风险，同时也给视觉艺术家、设计师和电影制作人提供了少数访问权限以便获得他们的反馈，用以继续推进模型的研发。并且团队还在进行模型伦理侧的对抗性测试，比如错误信息、仇恨内容、偏见内容等。
OpenAI称，自己提前分享关于Sora的研究进展，旨在开始和OpenAI以外的人进行合作并且获取他们的反馈，同时也让公众了解即将问世的AI将会有多么强大的能力。
从官方发布的视频中呈现的冰山一角，令人难以想象具备了完备功能的Sora将会取代多少科技或者影视行业的工作。
Sora已经超越了一个文字生成视频的模型，而是已经体现出了一种”世界模型（World Simulator）“的雏形——通过有限的context，对真实的物理世界进行建模和理解，让模型在生成内容的时候已经有了一些对世界的”基础“认知。这些认知有的时候不会被明确表达出来，但是却是AI视频生成更加流畅且符合逻辑的基石。并且世界模型的概念一旦稳固，将有可能大幅度降低视频模型的训练成本。
仿佛从此以后，现实和虚幻的界限真的开始模糊了。
你能分辨这是实景拍摄还是AI生成吗？

在这一石激起千层浪的此时此刻，不禁有人想起来自从去年OpenAI宫斗事件以Sam回归落下帷幕以后，就陷入了沉默的Ilya Sutskever。OpenAI的首席科学家。
熟知OpenAI和AI界从业者都知道Ilya在行业内不可撼动的地位。
当时在OpenAI的领导层大宫斗中，就是以Ilya为首对Sam过于激进的发展理念产生了质疑。Ilya认为Sam没有考虑到如此快速推进AI发展所带来的潜在危险。更有传闻说他在模型的训练过程中”看见了什么“，并且担心AI将来会发展不受控制的境地，伤害人类的利益。
这就是他当时联合董事会一起罢免了Sam的原因。因为他觉得“Sam离开是让OpenAI不偏离初衷的最好方式。”
埃隆马斯克说：Ilya是个十分有道德感的人，他一定看到了什么。
然而OpenAI接下来一系列的戏剧性反应，包括700名以上员工请辞等等让他最终还是妥协了，Sam重回CEO的职位。
即便Sam在重新回到职位上之后仍旧表达了对Ilya的尊重以及”零恶意“，并希望二人能够继续合作下去。Ilya也得以继续留在OpenAI公司，但是他在那以后就仿佛隐身了一样，在近期OpenAI连续发布新产品的喧嚣欢腾中毫无踪迹。
细心的人发现，OpenAI在官网上发布的关于Sora的信息中，无论是这个项目的研发团队，还是在最后的致谢名单中，Ilya的名字从未出现过。
一同沉寂的，还有他那2023年12月以后就再也没有更新的X账号。
2023年12月14日，OpenAI 发布了超级对齐项目的最新研究论文：使用 GPT-2 级别的小模型来监督 GPT-4 级别的大模型。同时，OpenAI 宣布与 Eric Schmidt 合作，启动了一项 1000 万美元的资助计划支持技术研究，以确保超人类人工智能系统的一致性和安全性。
这就是Ilya上一次X账号更新的全部内容。
但或许也是因为Ilya的态度，让一些人在看到Sora或是将来更新版本的GPT模型的发布时，不会盲目跟风狂欢，而是陷入更深的思考。
Ilya究竟看到了什么？
如果AI有一天变得非常、非常强大，人类将再也无法理解他们，到了那个时候，人类该何去何从？
我们该怎样保证那些机器对人类是不具有恶意的，而是像父母关心孩子那样，像人类此时此刻推进着AI的进步那样，帮助人类进步呢？
在人工智能通过海量数据学习人类的同时，人类也应该不断学习，加强自己对人工智能乃至当今科技的理解，才能最大程度的预防潜在的“失控”场面。
Techie在3月31号周日为大家带来北美数据岗最新内推资源和面经分享，直播现场接收简历内推。
这也是和北美科技业内人士畅聊人工智能、深度学习、科技求职等火热话题的好机会。
3.31 美西 5 PM PST / 美东 8 PM EST 
Techie与大家不见不散
Techie的数据科学集训营和编程算法集训营小班课也依旧火热招生中
如有任何问题，欢迎扫描下图二维码，添加课程导师汪淼老师进行进一步咨询。
Techie，有温度的科技职业发展平台。
继续阅读
阅读原文