本報(bào)記者 樊三彩

　　“一只狼對著月亮嚎叫，感到孤獨(dú)，直到它找到狼群。”

　　“一位時(shí)尚女性走在充滿溫暖霓虹燈和動(dòng)畫城市標(biāo)牌的東京街道上。她穿著黑色皮夾克、紅色長裙和黑色靴子，拎著黑色錢包。”

　　“一只貓叫醒熟睡的主人，要求吃早餐。主人試圖忽視這只貓，但貓嘗試了新的策略，最后主人從枕頭下拿出秘密藏匿的零食，讓貓?jiān)俅粢粫?huì)兒。”

　　…………

　　能想象嗎，這些清晰流暢的視頻場景，竟然出自一款人工智能模型。2月16日，OpenAI時(shí)隔一年再出“王炸”，宣布推出全新的生成式人工智能模型Sora。該模型可以直接輸出長達(dá)60秒的視頻，并且包含高度細(xì)致的背景、復(fù)雜的多角度鏡頭，以及富有情感的多個(gè)角色。截至目前，其官網(wǎng)已經(jīng)更新48個(gè)類似的視頻demo（樣片）。

　　這一突破引起業(yè)內(nèi)人士廣泛關(guān)注的原因在于，2021年初和2022年末，OpenAI先后推出了圖像生成系統(tǒng)DALL·E和聊天機(jī)器人ChatGPT。此次則是繼圖像、文本之后，將先進(jìn)的AI（人工智能）技術(shù)拓展到了視頻領(lǐng)域，視頻相關(guān)業(yè)務(wù)或?qū)⑹桩?dāng)其沖。工業(yè)4.0研究院院長胡權(quán)告訴《中國冶金報(bào)》記者：“當(dāng)國內(nèi)還掙扎在4秒AI視頻的連貫性的邊緣時(shí)，OpenAI已經(jīng)可以制作60秒的視頻了。當(dāng)我們以為快要追趕上他們的腳步時(shí)，突然發(fā)現(xiàn)差距正在越來越大。”

　　中美AI差距或在加大

　　基礎(chǔ)研究不到位是關(guān)鍵

　　通過文字生成視頻，對于大模型而言，難在哪里？華為技術(shù)有限公司運(yùn)營商服務(wù)解決方案規(guī)劃部客戶技術(shù)總監(jiān)顧廷權(quán)表示：“sora是根據(jù)人的文字描述（類似簡單劇本）生成相應(yīng)的視頻（類似MV電影），這就需要為模型訓(xùn)練數(shù)據(jù)做高描述性的標(biāo)注，大模型不僅要理解提示的內(nèi)容，還要構(gòu)建這些內(nèi)容在物理世界中的存在方式。”

　　OpenAI發(fā)布的Sora核心論文顯示，Sora采用了一種Transformer架構(gòu)，能夠處理視頻和圖像潛在編碼的時(shí)空片段。它創(chuàng)新應(yīng)用了多項(xiàng)技術(shù)，如實(shí)現(xiàn)視覺數(shù)據(jù)創(chuàng)新轉(zhuǎn)化的補(bǔ)片技術(shù)（先將視頻數(shù)據(jù)壓縮到低維度潛在空間，再將其分解成時(shí)空補(bǔ)片，進(jìn)而實(shí)現(xiàn)從視頻到補(bǔ)片的轉(zhuǎn)化）、視頻生成的Transformer擴(kuò)展技術(shù)等。

　　“同樣是生成虛擬空間，其實(shí)數(shù)字孿生相較于Sora的難度更高。”顧廷權(quán)剖析道，“數(shù)字孿生與自動(dòng)駕駛類似，可以劃分為若干成熟度等級（如L0、L1、L2、L3、L4等），目前大多數(shù)字孿生都在L2級以下，僅實(shí)現(xiàn)了可視化和虛實(shí)簡單交互等功能。”胡權(quán)同樣認(rèn)為：“相較于數(shù)字孿生體的先進(jìn)應(yīng)用（不是當(dāng)前一些人認(rèn)為的可視化或局部的仿真），OpenAI做的東西還沒有涉及物理世界，難度當(dāng)然要小得多。”

　　同時(shí)，我國也在大力發(fā)展人工智能大模型，據(jù)不完全統(tǒng)計(jì)，目前已達(dá)上百個(gè)。既然如此，為何中美人工智能領(lǐng)域差距始終存在，并且再度加大？360創(chuàng)始人周鴻祎微博發(fā)文認(rèn)為：“盡管國內(nèi)大模型發(fā)展水平表面看已經(jīng)接近GPT-3.5，但實(shí)際上跟4.0比還有一年半的差距。OpenAl手里應(yīng)該還有一些秘密武器，無論是 GPT-5，還是機(jī)器通過自我學(xué)習(xí)自動(dòng)產(chǎn)生內(nèi)容，奧特曼（OpenAI CEO）是個(gè)營銷大師，知道怎樣掌握節(jié)奏，他們手里的武器并沒有全拿出來。這樣看來，中國跟美國的AI差距可能還在加大。”

　　在胡權(quán)看來，基礎(chǔ)研究不到位是差距形成的關(guān)鍵所在。“由于ChatGPT-3.5已經(jīng)實(shí)現(xiàn)開源，國內(nèi)很多大模型公司都在這一基礎(chǔ)上開展研究，這意味著我們在沿著別人的技術(shù)路徑前進(jìn)，因而很難實(shí)現(xiàn)超越。”他表示，目前國內(nèi)存在一種資源錯(cuò)配的現(xiàn)象，如很多科研院所也在開展大模型應(yīng)用研究以圖盈利，當(dāng)前的科研體制導(dǎo)致我們很難形成開創(chuàng)性的突破。此外，新型的AI發(fā)展需要大量投資，目前國內(nèi)的投資強(qiáng)度遠(yuǎn)遠(yuǎn)不夠；產(chǎn)業(yè)環(huán)境不利于創(chuàng)新，例如，監(jiān)管過于嚴(yán)格，企業(yè)無法低風(fēng)險(xiǎn)試錯(cuò)。他建議，國家通過設(shè)立基金的方式來支持人工智能的發(fā)展，而不是指定企業(yè)或項(xiàng)目，這樣才能讓那些真正有實(shí)力的項(xiàng)目涌現(xiàn)出來。

　　AGI不再遙遠(yuǎn) 工業(yè)應(yīng)用猶可期

　　值得注意的是，Sora并非完美。正如公開的核心論文所說：“作為一個(gè)模擬器，Sora當(dāng)前還有許多局限。比如，它無法精確模擬像玻璃破碎這樣的基本物理互動(dòng)。有些互動(dòng)，比如吃東西，并不總能正確反映物體狀態(tài)的改變。我們在OpenAI Sora 介紹頁中詳細(xì)列出了模型的其它常見失誤，包括長時(shí)間視頻樣本中出現(xiàn)的不一致性或物體的突然出現(xiàn)等問題。”

　　即使存在這樣的局限，也無法掩蓋其依舊是一款劃時(shí)代的人工智能模型，依舊是“向著創(chuàng)建能夠模擬物理世界的通用工具邁出的有前途的一步”。

　　周鴻祎認(rèn)為，Sora 的誕生意味著實(shí)現(xiàn) AGI（通用人工智能）可能從10 年縮短至一兩年。“有了大模型技術(shù)作為基礎(chǔ)，再加上人類知識的引導(dǎo)，可以創(chuàng)造各個(gè)領(lǐng)域的超級工具，例如在生物醫(yī)學(xué)、蛋白質(zhì)、基因研究以及物理、化學(xué)、數(shù)學(xué)的學(xué)科研究上，大模型都會(huì)發(fā)揮作用。”他表示。

　　科技創(chuàng)業(yè)公司研究機(jī)構(gòu)PitchBook估計(jì)，2023年全球生成式AI的市場規(guī)模將達(dá)到426億美元，2026年則將達(dá)到981億美元，未來增長動(dòng)能可期。而不斷涌現(xiàn)的生成式人工智能，其對于人類的影響每次都會(huì)引發(fā)廣泛關(guān)注與討論。

　　周鴻祎表示，這次OpenAI利用它的大語言模型優(yōu)勢，讓Sora實(shí)現(xiàn)了對現(xiàn)實(shí)世界的理解和對世界的模擬兩層能力，這樣產(chǎn)生的視頻才是真實(shí)的，才能跳出2D的范圍模擬真實(shí)的物理世界。“這次 Sora對物理世界的模擬，至少將會(huì)對機(jī)器人具身智能和自動(dòng)駕駛帶來巨大的影響。原來的自動(dòng)駕駛技術(shù)過度強(qiáng)調(diào)感知層面，而沒有工作在認(rèn)知層面。其實(shí)人在駕駛汽車的時(shí)候，很多判斷是基于對這個(gè)世界的理解。比如對方的速度怎么樣，能否發(fā)生碰撞，碰撞嚴(yán)重性如何，如果沒有對世界的理解就很難實(shí)現(xiàn)真正的無人駕駛。”他說。

　　“在大模型與人類或企業(yè)的關(guān)系上，如果大模型良性發(fā)展，會(huì)成為人類的AI助手；反之，會(huì)被大量濫用，再由國家力量禁止或打擊。”胡權(quán)指出。

　　至于在工業(yè)上的應(yīng)用，胡權(quán)表示：“通過文字生成視頻，已經(jīng)沒有原理上的障礙了，但工程上的困難還比較多：一是設(shè)計(jì)一個(gè)應(yīng)用系統(tǒng)，這里面涉及一些類似黑箱的模塊，看起來OpenAI不會(huì)開源；二是需要用數(shù)據(jù)來訓(xùn)練算法，否則無法生成好的結(jié)果，類似ChatGPT的模型算法一樣；三是計(jì)算能力，跟隨者需要擁有類似的計(jì)算能力。”

　　相關(guān)鏈接

　　AI在贊比亞

　　探測到巨型銅礦

　　2月初，利用AI勘探銅、鋰等綠色轉(zhuǎn)型所需金屬的硅谷獨(dú)角獸KoBold Metals宣布，公司在贊比亞Mingomba項(xiàng)目上發(fā)現(xiàn)了巨型銅礦儲(chǔ)量。這家公司背后的投資者是由比爾·蓋茨牽頭，貝索斯、馬云、孫正義、達(dá)利歐、布隆伯格等人參與投資的突破能源風(fēng)險(xiǎn)投資基金，以及普徠仕等知名機(jī)構(gòu)和挪威國家石油公司。

　　據(jù)悉，該公司利用AI技術(shù)大量讀取分析所有地球衛(wèi)星拍攝的地質(zhì)圖片、激光地球掃描數(shù)據(jù)，以及全球的地震波數(shù)據(jù)，并用時(shí)一年重新繪制了一張精細(xì)無比的全球地殼礦藏分布圖，并借此在贊比亞探測到一個(gè)巨型銅礦。

　　多家科技企業(yè)承諾打擊

　　濫用人工智能干擾選舉

　　2月16日，全球多家科技企業(yè)在第60屆慕尼黑安全會(huì)議(慕安會(huì))上簽署協(xié)議，承諾在2024年這個(gè)多國舉行重要選舉的年份打擊旨在干擾選舉的人工智能濫用行為。人工智能的負(fù)面影響被此屆慕安會(huì)列為全球主要安全威脅之一。

　　微軟將在德國投資

　　32億歐元發(fā)展人工智能

　　2月15日，微軟公司總裁在德國首都舉行的一次活動(dòng)上表示，未來兩年，微軟將在德國投資32億歐元，重點(diǎn)發(fā)展人工智能。作為該公司過去40年來在德國進(jìn)行的最大一筆投資，微軟將在2024年和2025年把大部分資金用于建立數(shù)據(jù)中心和培訓(xùn)人工智能人才。

　　日本計(jì)劃2024年

　　引入生成式人工智能立法

　　近日，據(jù)日經(jīng)新聞報(bào)道稱，日本執(zhí)政黨自民黨計(jì)劃在2024年提議政府引入生成式人工智能立法。

　　《中國冶金報(bào)》（2024年02月20日 04版四版）