除了Sora，還有這些人工智能技術

◎陳寧

近期，OpenAI 又推出一款“王炸”大模型“Sora”。作為OpenAI 首次推出的視頻模型，可以根據(jù)用戶輸入的提示詞生成長達60 秒的高清視頻，盡管還未正式公開使用，但已經(jīng)引發(fā)全行業(yè)熱議。Sora 是否會成為一種新生產(chǎn)方式？國內(nèi)同類大模型發(fā)展到哪一步？記者采訪了上海人工智能行業(yè)協(xié)會秘書長鐘俊浩，聽聽專家的觀點。

文本生成視頻將成今年行業(yè)熱點 國內(nèi)企業(yè)已有先行者

白雪皚皚的城市街頭，人們走在熙熙攘攘的城市街道上，街道一側是布局整齊的商店，商店對面設立著一排售賣小吃、工藝品的小攤，行進到“鏡頭前”的女士，對著“鏡頭”微微一笑……這是OpenAI 公布的一段案例視頻所呈現(xiàn)的畫面，也是這家科技公司首次進軍人工智能視頻生成領域的初步成果展示。

不過，Sora 并非全球首個文本生成視頻的大模型。據(jù)不完全統(tǒng)計，截至去年底，全球范圍內(nèi)能實現(xiàn)文生視頻的大模型已超過20 個產(chǎn)品。

從國內(nèi)看，和去年ChatGPT 橫空出世時的情景一樣，國內(nèi)科技巨頭也相繼透露同類產(chǎn)品的研發(fā)進度。字節(jié)跳動稱，在Sora 引爆文生視頻賽道之前，已經(jīng)在研發(fā)“中文版Sora”：一款名為Boximator 的創(chuàng)新性視頻模型。不過，目前這款模型仍然處于研發(fā)階段，預計將在2～3 個月內(nèi)發(fā)布測試網(wǎng)站。也有一些公司正在進行從一張圖到另一張圖，生成中間視頻的大模型產(chǎn)品研發(fā)，比如上海人工智能行業(yè)協(xié)會推進的人工智能企業(yè)孵化器——AI 驛站的企業(yè)里的小冰公司、筆墨AI 等。

不過，總體而言，這些產(chǎn)品與Sora 相比，還存在不小的差距。“Sora 克服了很多技術難題，目前已經(jīng)代表了文生視頻的最高水平?！鄙虾Ｊ腥斯ぶ悄苄袠I(yè)協(xié)會秘書長鐘俊浩向記者從技術角度分析，Sora 的“王炸”能力體現(xiàn)在四個方面：視頻壓縮網(wǎng)絡、用于視頻生成的ScalingTransformers（數(shù)據(jù)變壓器）、語言理解、世界模型和涌現(xiàn)的模擬能力。

進一步解釋就是，Sora 的訓練依賴于大量帶有文本標題的視頻數(shù)據(jù)。OpenAI 利用了DALL-E3 中的標題生成技術，為視頻生成高質(zhì)量的文本標題，以此來提高文本和視頻數(shù)據(jù)之間的對齊度。同時，在大規(guī)模訓練過程中，Sora展示了一些“涌現(xiàn)的模擬能力”，如三維一致性、長距離連貫性、物體持久性以及與世界互動等。這些能力表明，Sora 能夠在一定程度上模擬物理世界和數(shù)字世界中的人物、動物和環(huán)境。

AI 發(fā)展遠超預期 但短時間內(nèi)難創(chuàng)造生產(chǎn)力

Sora 引燃全行業(yè)，各路大佬也紛紛開麥。日前，360 創(chuàng)始人周鴻祎發(fā)微博稱，Sora 的誕生意味著AGI（通用人工智能）的實現(xiàn)可能從10 年縮短至兩年左右。他表示：“有了大模型技術作為基礎，再加上人類知識的引導，可以創(chuàng)造各個領域的超級工具。”

他的“發(fā)言”，也引發(fā)人們對AI 是否會顛覆現(xiàn)實生活和傳統(tǒng)行業(yè)的擔憂。一名廣告公司負責人告訴記者，AI 對于廣告行業(yè)而言的確是一個巨大的轉(zhuǎn)折點?！斑^去制作視頻廣告的成本非常高，通常只有大品牌才能承擔，如今Sora模型為中小企業(yè)提供了制作視頻廣告的新機遇?！?/p>

不少專家也認為，現(xiàn)階段“Sora 將顛覆行業(yè)”的觀點過于極端?！癝ora 讓人感到震撼，是因為AI 的發(fā)展速度遠超過大家的預期，但并不是說短時間內(nèi)Sora 能形成生產(chǎn)力?！辩娍『票硎?，影視行業(yè)和游戲行業(yè)都是高度依賴創(chuàng)意、情感投入和人類故事講述的領域?！癆I 視頻生成技術雖然可以在某些方面提供幫助，比如降低制作成本、加速內(nèi)容生成，甚至在某些情境下提供創(chuàng)意靈感，但它們目前還不能完全替代人類在創(chuàng)作過程中的獨特視角和情感深度?！?/p>

他預計，Sora 和類似技術將不會立即顛覆影視和游戲行業(yè)，而是逐漸成為這些行業(yè)中的一種強大賦能工具。但這個過程將是漸進的，需要技術、創(chuàng)意和社會的共同發(fā)展。Sora 的角色更多的是賦能創(chuàng)作者，而不是替代他們，為他們提供實現(xiàn)創(chuàng)意愿景的新途徑。

人才密度是領先的重要因素 人人都應報有學習心態(tài)

Sora 逼真的視覺效果、碾壓級的性能提升，在震撼整個科技圈之余，也出現(xiàn)了“為什么又一個AI 元創(chuàng)新沒能發(fā)生在中國”的聲音。

鐘俊浩認為，OpenAI 目前在競爭力上一騎絕塵，中國要在AI 領域追趕，首先依然靠人才，鼓勵行業(yè)高密度聚集，避免人才分散，也避免智能算力等稀缺資源的分散。上海作為人工智能發(fā)展高地，也應該發(fā)揮全產(chǎn)業(yè)鏈生態(tài)優(yōu)勢，鼓勵行業(yè)結合，尤其是在智能制造、機器人等領域，整合不同行業(yè)的技術和市場資源。同時，鼓勵相關企業(yè)、研究機構和教育機構在特定區(qū)域聚集，以促進知識共享、人才流動和資源高效利用。通過政策引導和資源配置，集中力量攻克關鍵技術難題。

與此同時，掌握與AI 相關的技能，并非業(yè)內(nèi)人士的“專題”。浙江大學人工智能研究所所長吳飛注意到，這次OpenAI 公布的Sora 合成視頻所對應的提示詞寫得很精彩，具有生動的細節(jié)感，因此他指出，善于提出問題、設計內(nèi)容以及使用工具是每個人在從信息化時代邁向數(shù)智化時代需要不斷加強的能力。

技術“狂飆”下難免監(jiān)管難題 使用此類工具要注意什么？

在科技領域顛覆式創(chuàng)新不斷涌現(xiàn)的情況下，如何實現(xiàn)擁抱技術進步和確保社會安全的平衡，越來越受到各界關注。鐘俊浩表示，AI 模型在訓練過程中需要消化和分析大量數(shù)據(jù)。如果這些數(shù)據(jù)中包含個人信息，并且在生成的內(nèi)容中無意中泄露，就可能導致隱私問題。另一方面，AI 技術能夠生成逼真的文本、圖像和視頻，這可能會被用于制造假新聞、虛假信息，對社會造成誤導和混亂。

鐘俊浩還提醒道，在國內(nèi)要注意正確使用通過國家網(wǎng)信辦備案的模型。2 月18 日國家網(wǎng)信辦發(fā)布公告，根據(jù)《互聯(lián)網(wǎng)信息服務深度合成管理規(guī)定》，公開發(fā)布了第四批境內(nèi)深度合成服務算法備案信息。

另外，用戶在使用Sora 等工具時，為進行內(nèi)容生成，需要主動輸入人機交互數(shù)據(jù)，例如輸入提問內(nèi)容或提示詞，可能被用于人工智能訓練，這些數(shù)據(jù)中也可能包含用戶自身或其他自然人的個人信息。因此，要格外注意數(shù)據(jù)來源的合法性，以及警惕敏感信息泄露。

對話AI

【編者按】 與其紙上談兵，不如與AI 交交手。支持勞動者多渠道靈活就業(yè)是今年兩會的熱門話題之一。當下，應該如何保護靈活就業(yè)群體的勞動權益呢？《上海工運》問計于AI，我們希望通過這種方式，同讀者一起開展一場有關AI 的創(chuàng)新之旅。本文由“文心一言（文心大數(shù)據(jù)模型3.5）”在十五秒內(nèi)生成后，由編輯校對加工而成。AI 回答的內(nèi)容結構性較強，語句較通順，但在內(nèi)容上還有待進一步通過精準提問和訓練，以獲得更深入的探討結果。

保護靈活就業(yè)群體的勞動權益，是當下社會發(fā)展的重要議題。隨著新業(yè)態(tài)、新模式的不斷涌現(xiàn)，越來越多的勞動者選擇靈活就業(yè)，如網(wǎng)絡主播、家政服務、兼職教師等。然而，靈活就業(yè)者在享受工作自由的同時，也面臨著勞動權益保障不足的困境。

當前，一些靈活就業(yè)者由于勞動關系模糊、流動性強，其勞動權益往往難以得到保障。例如，一些外賣員、快遞員等，他們每天辛勤工作，卻往往面臨收入不穩(wěn)定、缺乏社保保障等問題。這不僅影響了他們的生活質(zhì)量，也制約了靈活就業(yè)市場的健康發(fā)展。

保護靈活就業(yè)群體的勞動權益，需要政府、社會、企業(yè)等多方共同努力。政府應完善相關法律法規(guī)，明確靈活就業(yè)者的法律地位，為他們提供基本的勞動權益保障；探索建立適合靈活就業(yè)者的社會保險繳費機制。同時，企業(yè)也應承擔起社會責任，與靈活就業(yè)者簽訂規(guī)范的勞動合同，確保他們的合法權益不受侵害。

總之，保護靈活就業(yè)群體的勞動權益，不僅是維護社會公平正義的必然要求，也是推動經(jīng)濟持續(xù)健康發(fā)展的重要保障。我們應積極關注這一群體的權益保護問題，共同為他們創(chuàng)造一個更加公平、正義的就業(yè)環(huán)境。