OpenAI CTO：普通人數(shù)月后就能用Sora了互聯(lián)網(wǎng)+
導(dǎo)讀
OpenAI似乎已經(jīng)在為Sora降世預(yù)熱了。
OpenAI似乎已經(jīng)在為Sora降世預(yù)熱了。
OpenAI似乎已經(jīng)在為Sora降世預(yù)熱了。
當(dāng)?shù)貢r(shí)間3月13日周三，OpenAI首席技術(shù)官米拉·穆拉蒂（Mira Murati）接受了《華盛頓郵報(bào)》的視頻專訪。
視頻不長，只有不到11分鐘，但全部圍繞OpenAI的文字到視頻工具Sora，穆拉蒂透露了一個(gè)重要的消息。當(dāng)被問及Sora何時(shí)面向公眾推出時(shí)，穆拉蒂回答：“我想肯定是在今年，但可能是幾個(gè)月后。”
除此之外，穆拉蒂還回答了Sora的特別之處、如何修正瑕疵、是否會包含音頻、訓(xùn)練數(shù)據(jù)來自哪里等若干問題。給出的答案有的籠統(tǒng)，有的不乏誠意。
距離OpenAI突然展示Sora，已經(jīng)過去一個(gè)月了。Sora演示視頻的時(shí)長和效果驚艷世人，迅速成為輿論寵兒。但Sora也帶來太多問號：沒有明確的發(fā)布時(shí)間、只對少數(shù)人開放測試、對訓(xùn)練數(shù)據(jù)來源三緘其口。
但現(xiàn)在，OpenAI似乎在一點(diǎn)點(diǎn)釋放更多信息。
作為OpenAI最重要的高管之一，穆拉蒂的話自有其分量。而就在前幾天，Sora的三位核心團(tuán)隊(duì)成員也出現(xiàn)在科技播客WVFRM中，接受了專訪。
此外，另一檔頭部播客主理人Lex Fridman也已經(jīng)官宣將很快邀請OpenAI的CEO山姆·奧特曼（Sam Altman）上節(jié)目，正在征集粉絲關(guān)心的問題。上次奧特曼出現(xiàn)在這檔播客中是一年前，GPT-4發(fā)布后不久。
也許Sora降世，真的已經(jīng)進(jìn)入最后的倒計(jì)時(shí)。
A
有些問題，穆拉蒂樂于回答。
在這次的專訪中，主持人拿出了幾個(gè)Sora生成的視頻，并對穆拉蒂進(jìn)行了提問。
一個(gè)不可忽略的問題是，Sora為什么效果那么好？對于一則“兩個(gè)職業(yè)女性，30多歲，坐在一個(gè)燈光明亮的工作室中接受新聞采訪”的指令，主持人嘗試了Sora和Runway兩個(gè)產(chǎn)品。Sora生成的視頻幾乎可以以假亂真，但Runway的視頻則不僅有奇怪且數(shù)量過多的手指，且在動(dòng)作時(shí)有明顯的嘴部扭曲，看起來頗為詭異。
穆拉蒂解釋，Sora基于擴(kuò)散模型，通過分析大量視頻學(xué)習(xí)識別物體和動(dòng)作。當(dāng)給定文本提示時(shí)，Sora能通過定義時(shí)間線和逐幀添加細(xì)節(jié)來創(chuàng)建場景，生成的視頻在平滑度和現(xiàn)實(shí)感方面很出色。
但主持人也把一些有明顯瑕疵的視頻擺在穆拉蒂面前，比如行進(jìn)中的汽車突然從黃色變成了銀色，或者Sora沒有按照指令生成“機(jī)器人奪過攝像機(jī)”的畫面，而是讓機(jī)器人把那攝影機(jī)的女人直接融合了。
穆拉蒂表示，OpenAI目前正在探索如何使Sora成為可以用戶可以用來編輯或創(chuàng)作內(nèi)容的工具。翻譯一下就是：Sora不完美，在想辦法了。
對于另一個(gè)外界關(guān)心的問題，即Sora會不會包含音頻（Sora目前的視頻都是無聲的），穆拉蒂也透露了一些信息——目前還沒有整合音頻，但這是OpenAI會考慮的方向。
與此同時(shí)，針對外界對安全的擔(dān)憂，穆拉蒂也沒有回避。
穆拉蒂表示，OpenAI目前還沒有明確決定Sora可以生成的視頻范疇，但是會借鑒其文生圖模型DALL-E的做法，比如不會生成政治人物的形象。當(dāng)主持人問及裸體畫面時(shí)，穆拉蒂表示不確定，藝術(shù)家可能會希望有一些可以調(diào)控的創(chuàng)作選項(xiàng)，目前OpenAI正在與不同領(lǐng)域的藝術(shù)家和創(chuàng)作者合作，試圖搞清楚Sora應(yīng)該提供什么水平的靈活度。
至于對于“現(xiàn)實(shí)不存在”的恐懼，即人們將難以區(qū)分真實(shí)與AI內(nèi)容，穆拉蒂回答這正是OpenAI還未部署Sora的原因。目前，Sora生成的視頻都會打上水印，但這似乎還不夠好。穆拉蒂透露，Sora的視頻將包含元數(shù)據(jù)來表明來源。OpenAI也用安全人員測試Sora，試圖引出漏洞、偏見及其他有害結(jié)果。
作為OpenAI的CTO，穆拉蒂強(qiáng)調(diào)對于安全問題的重視。她表示“金錢”和“安全”并不是一道難做的選擇題，如何解決安全和社會問題才是讓她睡不著覺的難題。
B
不過，也有穆拉蒂不太想觸碰的話題。
在外界都關(guān)心的訓(xùn)練數(shù)據(jù)來源問題上，不僅Sora團(tuán)隊(duì)接受專訪時(shí)表示不方便說得太細(xì)，穆拉蒂也再一次打了太極。
主持人在測試Sora時(shí)發(fā)現(xiàn)了有趣的細(xì)節(jié)。比如在“海底珊瑚礁中，一只美人魚和一只螃蟹助手在一起評論一部智能手機(jī)”的視頻里，在沒有相關(guān)提示詞的情況下，螃蟹有長條狀的雙眼和兩撮胡子，酷似動(dòng)畫片《海綿寶寶》里的蟹老板；另一則公牛在瓷器商店里的視頻，公牛的形象則也酷似《公牛歷險(xiǎn)記》里的。
問：有沒有用YouTube上的視頻？
穆拉蒂答：我其實(shí)不確定。
問：好吧。那Instagram和Facebook上的視頻呢？
穆拉蒂答：如果這些視頻是公開可用的，那可能在訓(xùn)練數(shù)據(jù)里。但我不確定。
總之，別問，問就是不知道、不明白、不清楚、不確定，問就是也許吧、可能是、看情況。
穆拉蒂倒是確認(rèn)了Sora的訓(xùn)練數(shù)據(jù)包含圖片網(wǎng)站Shutterstock的內(nèi)容。這沒什么意外的，去年7月，Shutterstock就宣布把和OpenAI的合作延長六年，允許后者使用其平臺內(nèi)的圖片、視頻、音樂來訓(xùn)練AI模型。
這樣的回答難以令人滿意，網(wǎng)友截圖穆拉蒂在聽到問題時(shí)的表情，嘲諷她的“不確定”。
對于訓(xùn)練數(shù)據(jù)的來源問題，OpenAI保持謹(jǐn)慎在意料之中。
自ChatGPT面世，OpenAI已經(jīng)多次因訓(xùn)練數(shù)據(jù)版權(quán)問題惹上麻煩。最近的是今年《紐約時(shí)報(bào)》以侵犯版權(quán)為由起訴OpenAI及其合作伙伴微軟，隨后多家數(shù)字新聞媒體加入起訴OpenAI侵權(quán)的隊(duì)伍。此外，還有數(shù)名演員、記者、作家以及美國作家協(xié)會對OpenAI提出訴訟，稱該公司的大型語言模型參與了“大規(guī)模的系統(tǒng)盜竊”。
更糟糕的是，Sora還沒有面向公眾推出，就已經(jīng)被監(jiān)管機(jī)構(gòu)盯上。近日，意大利數(shù)據(jù)保護(hù)機(jī)構(gòu)Garante發(fā)布公告，稱已對Sora展開調(diào)查，內(nèi)容包括Sora的算法訓(xùn)練方式、訓(xùn)練過程中手機(jī)和使用了哪些數(shù)據(jù)等。意大利數(shù)據(jù)保護(hù)機(jī)構(gòu)是歐洲各國中最活躍的監(jiān)管機(jī)構(gòu)之一。
C
訓(xùn)練數(shù)據(jù)來源、安全問題都備受矚目，再加上2024年是美國大選之年，重重阻礙擺在Sora面前，OpenAI也著急。
一方面，OpenAI急于重申其在AIGC領(lǐng)域的領(lǐng)先地位。
就在3月初，硅谷AIGC獨(dú)角獸、OpenAI的勁敵Anthropic推出新一代大語言模型Claude 3系列。其中最智能的Opus已經(jīng)在多項(xiàng)基準(zhǔn)測試中打敗GPT-4。甚至在發(fā)布后不久，Claude 3已經(jīng)具備意識的傳聞就在網(wǎng)絡(luò)上蔓延。
也許是感覺到了壓力，OpenAI的GPT-4.5 Turbo產(chǎn)品頁面一度悄然出現(xiàn)在多個(gè)搜索引擎中，疑似要提前發(fā)布（原定今年6月）。雖然鏈接已經(jīng)在消息被傳出后下架，但奧特曼也在X社交平臺上回復(fù)一條催促OpenAI盡快發(fā)布新產(chǎn)品的消息下回復(fù)：“耐心點(diǎn)，這值得等待。”讓外界更加期待。
此外，微軟在3月13日宣布，將免費(fèi)版Copilot升級到GPT-4 Turbo模型。去年11月OpenAI宣布推出GPT-4 Turbo，微軟彼時(shí)將其接入Copilot，但僅供訂閱用戶使用，每月20美元。
若GPT-4.5 Turbo提前發(fā)布，Sora又在不久的將來與公眾見面，將成為OpenAI的完美組合拳。
另一方面，OpenAI也需要公眾注意力重新聚焦在其產(chǎn)品上。
過去的幾周，馬斯克起訴OpenAI，稱其違背了創(chuàng)始協(xié)議，并請求法院令其開源。一不做二不休，馬斯克甚至開源自家xAI公司的大模型產(chǎn)品Grok，再次將OpenAI推向不仁不義不Open的尷尬處境當(dāng)中。
OpenAI已經(jīng)對此事做了公開回應(yīng)，并且提交了法律文件。此外，OpenAI還恰逢其時(shí)地公布了對于去年年底OpenAI“高層事變”的調(diào)查結(jié)果。
在那場高層震蕩中，奧特曼被踢出董事會并卸任CEO，又在三日內(nèi)歸來，幾乎重新組建了董事會。馬斯克在起訴書中將該事件描繪成了一場陰謀，稱奧特曼的新董事會缺乏專業(yè)背景，為了和微軟的合作關(guān)系永遠(yuǎn)不會宣布AGI（通用人工智能）的到來。
OpenAI給出的調(diào)查結(jié)果認(rèn)為事件只是出于舊董事會和奧特曼的信任問題，與此同時(shí)公司宣布四名新董事會成員。其中奧特曼再次進(jìn)入董事會，其他新成員也不乏技術(shù)背景，間接駁斥了馬斯克在訴狀中的“陰謀論”。
OpenAI想要給去年的鬧劇蓋棺定論，但“OpenAI變CloseAI”的梗依然在網(wǎng)絡(luò)流傳，人們對該事件的關(guān)注猶在。
在Lex Fridman宣布將再度邀請奧特曼參加其播客節(jié)目的消息評論區(qū)，粉絲最關(guān)心的問題依然是：曾被媒體報(bào)道為出于對AGI的恐懼而推動(dòng)“事變”的伊利亞·蘇茨克維（Ilya Sutskever）去哪兒了？他到底知道什么秘密？
也許當(dāng)用戶可以用Sora制作一部關(guān)于“事變”的“內(nèi)幕電影”時(shí)，OpenAI就不用回答這個(gè)問題了。
當(dāng)?shù)貢r(shí)間3月13日周三，OpenAI首席技術(shù)官米拉·穆拉蒂（Mira Murati）接受了《華盛頓郵報(bào)》的視頻專訪。
視頻不長，只有不到11分鐘，但全部圍繞OpenAI的文字到視頻工具Sora，穆拉蒂透露了一個(gè)重要的消息。當(dāng)被問及Sora何時(shí)面向公眾推出時(shí)，穆拉蒂回答：“我想肯定是在今年，但可能是幾個(gè)月后。”
除此之外，穆拉蒂還回答了Sora的特別之處、如何修正瑕疵、是否會包含音頻、訓(xùn)練數(shù)據(jù)來自哪里等若干問題。給出的答案有的籠統(tǒng)，有的不乏誠意。
距離OpenAI突然展示Sora，已經(jīng)過去一個(gè)月了。Sora演示視頻的時(shí)長和效果驚艷世人，迅速成為輿論寵兒。但Sora也帶來太多問號：沒有明確的發(fā)布時(shí)間、只對少數(shù)人開放測試、對訓(xùn)練數(shù)據(jù)來源三緘其口。
但現(xiàn)在，OpenAI似乎在一點(diǎn)點(diǎn)釋放更多信息。
作為OpenAI最重要的高管之一，穆拉蒂的話自有其分量。而就在前幾天，Sora的三位核心團(tuán)隊(duì)成員也出現(xiàn)在科技播客WVFRM中，接受了專訪。
此外，另一檔頭部播客主理人Lex Fridman也已經(jīng)官宣將很快邀請OpenAI的CEO山姆·奧特曼（Sam Altman）上節(jié)目，正在征集粉絲關(guān)心的問題。上次奧特曼出現(xiàn)在這檔播客中是一年前，GPT-4發(fā)布后不久。
也許Sora降世，真的已經(jīng)進(jìn)入最后的倒計(jì)時(shí)。
A
有些問題，穆拉蒂樂于回答。
在這次的專訪中，主持人拿出了幾個(gè)Sora生成的視頻，并對穆拉蒂進(jìn)行了提問。
一個(gè)不可忽略的問題是，Sora為什么效果那么好？對于一則“兩個(gè)職業(yè)女性，30多歲，坐在一個(gè)燈光明亮的工作室中接受新聞采訪”的指令，主持人嘗試了Sora和Runway兩個(gè)產(chǎn)品。Sora生成的視頻幾乎可以以假亂真，但Runway的視頻則不僅有奇怪且數(shù)量過多的手指，且在動(dòng)作時(shí)有明顯的嘴部扭曲，看起來頗為詭異。
穆拉蒂解釋，Sora基于擴(kuò)散模型，通過分析大量視頻學(xué)習(xí)識別物體和動(dòng)作。當(dāng)給定文本提示時(shí)，Sora能通過定義時(shí)間線和逐幀添加細(xì)節(jié)來創(chuàng)建場景，生成的視頻在平滑度和現(xiàn)實(shí)感方面很出色。
但主持人也把一些有明顯瑕疵的視頻擺在穆拉蒂面前，比如行進(jìn)中的汽車突然從黃色變成了銀色，或者Sora沒有按照指令生成“機(jī)器人奪過攝像機(jī)”的畫面，而是讓機(jī)器人把那攝影機(jī)的女人直接融合了。
穆拉蒂表示，OpenAI目前正在探索如何使Sora成為可以用戶可以用來編輯或創(chuàng)作內(nèi)容的工具。翻譯一下就是：Sora不完美，在想辦法了。
對于另一個(gè)外界關(guān)心的問題，即Sora會不會包含音頻（Sora目前的視頻都是無聲的），穆拉蒂也透露了一些信息——目前還沒有整合音頻，但這是OpenAI會考慮的方向。
與此同時(shí)，針對外界對安全的擔(dān)憂，穆拉蒂也沒有回避。
穆拉蒂表示，OpenAI目前還沒有明確決定Sora可以生成的視頻范疇，但是會借鑒其文生圖模型DALL-E的做法，比如不會生成政治人物的形象。當(dāng)主持人問及裸體畫面時(shí)，穆拉蒂表示不確定，藝術(shù)家可能會希望有一些可以調(diào)控的創(chuàng)作選項(xiàng)，目前OpenAI正在與不同領(lǐng)域的藝術(shù)家和創(chuàng)作者合作，試圖搞清楚Sora應(yīng)該提供什么水平的靈活度。
至于對于“現(xiàn)實(shí)不存在”的恐懼，即人們將難以區(qū)分真實(shí)與AI內(nèi)容，穆拉蒂回答這正是OpenAI還未部署Sora的原因。目前，Sora生成的視頻都會打上水印，但這似乎還不夠好。穆拉蒂透露，Sora的視頻將包含元數(shù)據(jù)來表明來源。OpenAI也用安全人員測試Sora，試圖引出漏洞、偏見及其他有害結(jié)果。
作為OpenAI的CTO，穆拉蒂強(qiáng)調(diào)對于安全問題的重視。她表示“金錢”和“安全”并不是一道難做的選擇題，如何解決安全和社會問題才是讓她睡不著覺的難題。
B
不過，也有穆拉蒂不太想觸碰的話題。
在外界都關(guān)心的訓(xùn)練數(shù)據(jù)來源問題上，不僅Sora團(tuán)隊(duì)接受專訪時(shí)表示不方便說得太細(xì)，穆拉蒂也再一次打了太極。
主持人在測試Sora時(shí)發(fā)現(xiàn)了有趣的細(xì)節(jié)。比如在“海底珊瑚礁中，一只美人魚和一只螃蟹助手在一起評論一部智能手機(jī)”的視頻里，在沒有相關(guān)提示詞的情況下，螃蟹有長條狀的雙眼和兩撮胡子，酷似動(dòng)畫片《海綿寶寶》里的蟹老板；另一則公牛在瓷器商店里的視頻，公牛的形象則也酷似《公牛歷險(xiǎn)記》里的。
問：有沒有用YouTube上的視頻？
穆拉蒂答：我其實(shí)不確定。
問：好吧。那Instagram和Facebook上的視頻呢？
穆拉蒂答：如果這些視頻是公開可用的，那可能在訓(xùn)練數(shù)據(jù)里。但我不確定。
總之，別問，問就是不知道、不明白、不清楚、不確定，問就是也許吧、可能是、看情況。
穆拉蒂倒是確認(rèn)了Sora的訓(xùn)練數(shù)據(jù)包含圖片網(wǎng)站Shutterstock的內(nèi)容。這沒什么意外的，去年7月，Shutterstock就宣布把和OpenAI的合作延長六年，允許后者使用其平臺內(nèi)的圖片、視頻、音樂來訓(xùn)練AI模型。
這樣的回答難以令人滿意，網(wǎng)友截圖穆拉蒂在聽到問題時(shí)的表情，嘲諷她的“不確定”。
對于訓(xùn)練數(shù)據(jù)的來源問題，OpenAI保持謹(jǐn)慎在意料之中。
自ChatGPT面世，OpenAI已經(jīng)多次因訓(xùn)練數(shù)據(jù)版權(quán)問題惹上麻煩。最近的是今年《紐約時(shí)報(bào)》以侵犯版權(quán)為由起訴OpenAI及其合作伙伴微軟，隨后多家數(shù)字新聞媒體加入起訴OpenAI侵權(quán)的隊(duì)伍。此外，還有數(shù)名演員、記者、作家以及美國作家協(xié)會對OpenAI提出訴訟，稱該公司的大型語言模型參與了“大規(guī)模的系統(tǒng)盜竊”。
更糟糕的是，Sora還沒有面向公眾推出，就已經(jīng)被監(jiān)管機(jī)構(gòu)盯上。近日，意大利數(shù)據(jù)保護(hù)機(jī)構(gòu)Garante發(fā)布公告，稱已對Sora展開調(diào)查，內(nèi)容包括Sora的算法訓(xùn)練方式、訓(xùn)練過程中手機(jī)和使用了哪些數(shù)據(jù)等。意大利數(shù)據(jù)保護(hù)機(jī)構(gòu)是歐洲各國中最活躍的監(jiān)管機(jī)構(gòu)之一。
C
訓(xùn)練數(shù)據(jù)來源、安全問題都備受矚目，再加上2024年是美國大選之年，重重阻礙擺在Sora面前，OpenAI也著急。
一方面，OpenAI急于重申其在AIGC領(lǐng)域的領(lǐng)先地位。
就在3月初，硅谷AIGC獨(dú)角獸、OpenAI的勁敵Anthropic推出新一代大語言模型Claude 3系列。其中最智能的Opus已經(jīng)在多項(xiàng)基準(zhǔn)測試中打敗GPT-4。甚至在發(fā)布后不久，Claude 3已經(jīng)具備意識的傳聞就在網(wǎng)絡(luò)上蔓延。
也許是感覺到了壓力，OpenAI的GPT-4.5 Turbo產(chǎn)品頁面一度悄然出現(xiàn)在多個(gè)搜索引擎中，疑似要提前發(fā)布（原定今年6月）。雖然鏈接已經(jīng)在消息被傳出后下架，但奧特曼也在X社交平臺上回復(fù)一條催促OpenAI盡快發(fā)布新產(chǎn)品的消息下回復(fù)：“耐心點(diǎn)，這值得等待。”讓外界更加期待。
此外，微軟在3月13日宣布，將免費(fèi)版Copilot升級到GPT-4 Turbo模型。去年11月OpenAI宣布推出GPT-4 Turbo，微軟彼時(shí)將其接入Copilot，但僅供訂閱用戶使用，每月20美元。
若GPT-4.5 Turbo提前發(fā)布，Sora又在不久的將來與公眾見面，將成為OpenAI的完美組合拳。
另一方面，OpenAI也需要公眾注意力重新聚焦在其產(chǎn)品上。
過去的幾周，馬斯克起訴OpenAI，稱其違背了創(chuàng)始協(xié)議，并請求法院令其開源。一不做二不休，馬斯克甚至開源自家xAI公司的大模型產(chǎn)品Grok，再次將OpenAI推向不仁不義不Open的尷尬處境當(dāng)中。
OpenAI已經(jīng)對此事做了公開回應(yīng)，并且提交了法律文件。此外，OpenAI還恰逢其時(shí)地公布了對于去年年底OpenAI“高層事變”的調(diào)查結(jié)果。
在那場高層震蕩中，奧特曼被踢出董事會并卸任CEO，又在三日內(nèi)歸來，幾乎重新組建了董事會。馬斯克在起訴書中將該事件描繪成了一場陰謀，稱奧特曼的新董事會缺乏專業(yè)背景，為了和微軟的合作關(guān)系永遠(yuǎn)不會宣布AGI（通用人工智能）的到來。
OpenAI給出的調(diào)查結(jié)果認(rèn)為事件只是出于舊董事會和奧特曼的信任問題，與此同時(shí)公司宣布四名新董事會成員。其中奧特曼再次進(jìn)入董事會，其他新成員也不乏技術(shù)背景，間接駁斥了馬斯克在訴狀中的“陰謀論”。
OpenAI想要給去年的鬧劇蓋棺定論，但“OpenAI變CloseAI”的梗依然在網(wǎng)絡(luò)流傳，人們對該事件的關(guān)注猶在。
在Lex Fridman宣布將再度邀請奧特曼參加其播客節(jié)目的消息評論區(qū)，粉絲最關(guān)心的問題依然是：曾被媒體報(bào)道為出于對AGI的恐懼而推動(dòng)“事變”的伊利亞·蘇茨克維（Ilya Sutskever）去哪兒了？他到底知道什么秘密？
也許當(dāng)用戶可以用Sora制作一部關(guān)于“事變”的“內(nèi)幕電影”時(shí)，OpenAI就不用回答這個(gè)問題了。
1.TMT觀察網(wǎng)遵循行業(yè)規(guī)范，任何轉(zhuǎn)載的稿件都會明確標(biāo)注作者和來源；
2.TMT觀察網(wǎng)的原創(chuàng)文章，請轉(zhuǎn)載時(shí)務(wù)必注明文章作者和"來源：TMT觀察網(wǎng)"，不尊重原創(chuàng)的行為TMT觀察網(wǎng)或?qū)⒆肪控?zé)任；
3.作者投稿可能會經(jīng)TMT觀察網(wǎng)編輯修改或補(bǔ)充。
