10 AI video snimaka koje vredi pogledati ovog meseca

Prelazak sa statičnih slika na fluidan video označava promenu u tome kako doživljavamo digitalne dokaze. Napuštamo eru u kojoj prompt proizvodi jedan kadar. Sada se industrija fokusira na vremensku konzistentnost i fiziku pokreta. Ovih deset klipova predstavljaju više od pukih tehničkih prekretnica. Oni služe kao prozor u budućnost u kojoj barijera između zabeleženog trenutka i sintetizovanog potpuno nestaje. Mnogi gledaoci i dalje ove video snimke tretiraju kao obične zanimljivosti. Gledaju iskrivljene udove ili treperave pozadine i odbacuju tehnologiju kao igračku. To je greška. Signal u ovim video snimcima nije savršenstvo slike, već brzina njenog poboljšanja. Vidimo sirovi rezultat modela koji uče pravila našeg sveta posmatrajući ga. Ovog meseca, najvažniji klipovi nisu oni koji izgledaju najbolje. To su oni koji dokazuju da softver razume kako gravitacija, svetlost i ljudska anatomija interaguju tokom vremena. Ovo je temelj novog vizuelnog jezika.

Trenutno stanje generisanja videa oslanja se na diffusion modele koji su prošireni na treću dimenziju vremena. Umesto da samo predviđaju gde bi piksel trebalo da se nalazi na ravnoj površini, ovi sistemi predviđaju kako bi taj piksel trebalo da se menja tokom šezdeset kadrova. Ovo zahteva ogromnu količinu compute snage i duboko razumevanje kontinuiteta. Kada gledate klip osobe koja hoda, model mora da zapamti kako je osoba izgledala pre tri sekunde kako bi osigurao da se boja njene majice ne promeni. Ovo se zove temporal coherence. To je najteži problem u sintetičkim medijima. Većina video snimaka koje danas vidimo je kratka jer je održavanje ove koherentnosti tokom dugih perioda računarski skupo. Modeli često koriste prečice. Mogu zamutiti pozadinu ili pojednostaviti složen pokret kako bi uštedeli na procesorskoj snazi. Međutim, najnovija serija izdanja pokazuje značajan skok u održavanju detalja tokom celog trajanja klipa. Ovo sugeriše da osnovne arhitekture postaju efikasnije u rukovanju visokodimenzionalnim podacima.

Zabuna koju većina ljudi unosi u ovu temu je ideja da AI „uređuje“ video. Nije tako. On sanja video u postojanje iz vakuuma šuma. Ne postoji izvorni materijal koji se manipuliše. Postoji samo matematička verovatnoća da određeni niz piksela predstavlja mačku koja skače ili automobil koji vozi. Ova razlika je važna jer menja način na koji razmišljamo o autorskim pravima i kreativnosti. Ako nema izvornog materijala, koncept „remiksa“ postaje zastareo. Bavimo se generativnim procesom koji sintetiše informacije koje je video tokom treninga da bi stvorio nešto potpuno novo. Ovaj proces postaje toliko brz da se približavamo generisanju u realnom vremenu. Uskoro će se kašnjenje između misli i pokretne slike meriti milisekundama. Ovo će promeniti način na koji se priče pričaju i kako se informacije konzumiraju širom sveta.

Globalne implikacije ove tehnologije sežu daleko izvan Hollywood-a ili reklamnih agencija. Ulazimo u eru u kojoj cena stvaranja visokokvalitetne vizuelne propagande pada na nulu. U regionima sa niskom medijskom pismenošću, jedan ubedljiv video može izazvati građanske nemire ili preokrenuti izbore. Ovo nije teorijska pretnja. Već smo videli sintetičke klipove koji se koriste za imitiranje političkih lidera i širenje dezinformacija o globalnim sukobima. Brzina kojom se ovi video snimci mogu proizvesti znači da fact-checkeri stalno zaostaju. Dok se video ne demantuje, već ga je videlo milione ljudi. Ovo stvara trajno stanje skepticizma gde ljudi prestaju da veruju čak i stvarnim snimcima. Ova „liar’s dividend“ omogućava lošim akterima da odbace stvarne dokaze o nedelima kao još jednu AI fabrikaciju. Erozija zajedničke realnosti je možda najznačajnija posledica napretka koji vidimo ovog meseca.

Na ekonomskom frontu, uticaj je jednako dubok. Zemlje koje se oslanjaju na jeftinu video produkciju i usluge animacije suočavaju se sa naglom promenom potražnje. Ako kompanija u New York-u može da generiše visokokvalitetnu prezentaciju proizvoda za nekoliko minuta, više ne moraju da autsorsuju taj posao studiju u drugoj vremenskoj zoni. Ovo bi moglo dovesti do centralizacije kreativne moći u rukama onih koji poseduju najmoćnije modele. Istovremeno, to demokratizuje sposobnost stvaranja. Filmski stvaralac u zemlji u razvoju sada ima pristup istim vizuelnim alatima kao i veliki studio. Ovo bi moglo dovesti do porasta raznolikog pripovedanja koje je ranije bilo blokirano visokim troškovima ulaska. Globalni balans kreativnog uticaja se pomera. Vidimo odmak od fizičke infrastrukture kao što su studiji za snimanje ka digitalnoj infrastrukturi kao što su GPU klasteri. Ova tranzicija će redefinisati šta znači biti „kreativno“ čvorište u 21. veku.

Prevazilaženje statičnog kadra

Da biste razumeli uticaj na stvarni svet, razmotrite dan u životu kreativnog direktora u agenciji srednje veličine. U prošlosti, zahtev klijenta za novu kampanju značio je nedelje pravljenja storyboard-a, kastinga i traženja lokacija. Danas, direktor započinje jutro kucanjem opisa u generativni engine. Do ručka imaju deset različitih verzija spota od trideset sekundi. Nijedna od ovih verzija nije zahtevala kameru ili ekipu. Oni mogu odmah testirati ove klipove sa fokus grupama. Ako su povratne informacije negativne, mogu iterirati i imati nove verzije do popodneva. Ovaj komprimovani vremenski okvir je nova realnost industrije. Omogućava nivo eksperimentisanja koji je ranije bio nemoguć. Međutim, to takođe stavlja ogroman pritisak na osoblje. Očekivanje više nije samo kvalitet, već ekstremna količina i brzina. Uloga čoveka se pomera od kreatora slika do kustosa mogućnosti. Oni moraju odlučiti koja od hiljadu generisanih opcija zaista odgovara glasu brenda.

Posledice po tržište rada su oštre. Početne pozicije u video industriji, kao što su junior editori ili motion graphics umetnici, prve se automatizuju. Ove uloge često uključuju vrstu ponavljajućih zadataka koje AI najbolje obavlja. Na primer, uklanjanje pozadine ili usklađivanje osvetljenja između dva kadra sada se može obaviti za nekoliko sekundi. Iako ovo oslobađa senior kreativce da se fokusiraju na širu sliku, to uklanja „poligon za obuku“ za sledeću generaciju talenata. Bez ovih početnih uloga, nejasno je kako će mladi profesionalci razviti veštine potrebne da postanu režiseri ili producenti. Vidimo pražnjenje srednje klase u kreativnim umetnostima. Jaz između nezavisnog kreatora koji koristi AI i vrhunskog režisera koji koristi kombinaciju alata se širi. Ovo stvara novi skup izazova za kompanije koje pokušavaju da izgrade održive kreativne timove.

Praktični ulozi su vidljivi u tome kako kompanije restrukturiraju svoje budžete. Novac koji je nekada odlazio na putovanja i opremu sada se preusmerava na cloud compute kredite i obuku za prompt engineering. Mali tim sada može proizvesti rad koji izgleda kao da je imao budžet od milion dolara. Ovo je ogromna prednost za startup-e i nezavisne kreatore. Oni se po prvi put mogu takmičiti sa etabliranim brendovima na vizuelnom nivou. Međutim, ovo takođe dovodi do pretrpanog tržišta. Kada svako može proizvesti visokokvalitetan video, vrednost samog videa opada. Premija se pomera sa slike na ideju. Sposobnost ispričati ubedljivu priču postaje jedini način da se istaknete u moru savršenog, AI generisanog sadržaja.

• Očekuje se da će troškovi produkcije za kratki marketinški sadržaj pasti za preko 70 procenata.
• Vreme potrebno za post-produkciju vizuelnih efekata smanjuje se sa meseci na dane.

Moramo primeniti sokratovski skepticizam na ovaj brzi napredak. Koji su skriveni troškovi ove „besplatne“ kreativnosti? Prvi trošak je ekološki. Obuka i pokretanje ovih modela zahteva zapanjujuću količinu električne energije i vode za hlađenje data centara. Kako generišemo više videa, naš ugljenični otisak raste. Da li je sposobnost stvaranja klipa mačke u svemirskom odelu vredna ekološkog danka? Drugi trošak je gubitak „ljudskog dodira“. Postoji nematerijalni kvalitet u videu snimljenom na filmu od strane čoveka koji je napravio specifične, nesavršene izbore. AI video je često previše savršen, što dovodi do efekta „uncanny valley“ koji može delovati bezdušno. Ako potpuno pređemo na sintetičke medije, da li gubimo sposobnost da se povežemo jedni sa drugima na visceralnom nivou? Takođe moramo pitati ko poseduje „stil“ ovih video snimaka. Ako je model obučen na radu hiljada nekompenzovanih umetnika, da li je rezultat zaista nov, ili je to oblik visokotehnološkog plagijata?

Privatnost je još jedna velika briga. Ako ovi modeli mogu generisati realističan video bilo koga kako radi bilo šta, koncept „pristanka“ nestaje. Već vidimo porast deepfake pornografije i slika bez pristanka. Ovo je sistemski neuspeh platformi koje hostuju ovaj sadržaj. Oni nisu u stanju ili ne žele da kontrolišu poplavu sintetičkih medija. Moramo se zapitati da li koristi generativnog videa prevazilaze potencijal za životnu štetu pojedincima. Štaviše, šta se dešava sa našim pravnim sistemom? Ako se video dokazima više ne može verovati, kako dokazati da se zločin dogodio? Temelji našeg pravosudnog i informacionog sistema izgrađeni su na ideji da je videti verovati. Ako prekinemo tu vezu, možemo se naći u svetu gde je istina ono što kaže najmoćniji algoritam. Ovo su teška pitanja sa kojima se moramo suočiti kako tehnologija nastavlja da sazreva.

Za power usere, tehnički detalji su mesto gde je sakriven pravi napredak. Vidimo pomak ka lokalnom skladištenju i izvršavanju ovih modela. Iako su cloud-based API-ji kao što su oni iz OpenAI ili Runway popularni, mnogi kreatori traže načine da pokrenu ove sisteme na sopstvenom hardveru. Ovo pruža veću kontrolu nad rezultatom i izbegava stroge filtere koje nameću velike korporacije. Međutim, hardverski zahtevi su visoki. Da biste generisali video visoke definicije pri razumnoj brzini kadrova, potreban vam je GPU sa najmanje 24GB VRAM-a. Ovo ograničava „lokalnu“ revoluciju na one koji mogu priuštiti vrhunske radne stanice. Takođe vidimo pojavu workflow integracija gde se AI video alati uključuju direktno u softver kao što su Adobe Premiere ili DaVinci Resolve. Ovo omogućava hibridni pristup gde AI generiše specifične elemente koje zatim dorađuje ljudski editor.

API limiti ostaju značajno usko grlo za programere. Većina provajdera naplaćuje po sekundi generisanog videa, što brzo može postati skupo za projekte velikih razmera. Postoje i ograničenja u broju istovremenih zahteva, što otežava izgradnju aplikacija u realnom vremenu. Naredna godina će verovatno videti pritisak za efikasnije modele koji mogu raditi na hardveru potrošačkog nivoa. Već vidimo prve korake u ovom smeru sa „destilovanim“ verzijama popularnih modela. Ove manje verzije žrtvuju neke detalje za ogromno povećanje brzine. Za geek zajednicu, fokus je na fine-tuning-u. Obukom malog sloja na vrhu osnovnog modela, kreator može naučiti AI da prepozna specifičan lik ili stil umetnosti. Ovaj nivo prilagođavanja je ono što će pomeriti AI video od trika do profesionalnog alata. To omogućava vrstu konzistentnosti potrebnu za dugometražno pripovedanje.

• Trenutna API kašnjenja za generisanje visokokvalitetnog videa kreću se od 30 do 60 sekundi po klipu.
• Lokalno skladištenje za težine modela može premašiti 100GB za najnaprednije open-source verzije.

Napomena urednika: Kreirali smo ovaj sajt kao višejezični centar za vesti i vodiče o veštačkoj inteligenciji za ljude koji nisu kompjuterski genijalci, ali ipak žele da razumeju veštačku inteligenciju, koriste je sa više samopouzdanja i prate budućnost koja već stiže.

Zaključak je da su video snimci koje vidimo ovog meseca dokaz fundamentalne promene u prirodi medija. Udaljavamo se od sveta snimanja i idemo ka svetu sinteze. Ovo nije samo promena alata, već promena u tome kako se odnosimo prema realnosti. Signal koji treba pratiti je integracija ovih alata u svakodnevni život. Kada više ne možete reći da li je video snimljen na iPhone-u ili generisan u cloud-u, tehnologija je pobedila. Značajan napredak neće biti realističniji klip zmaja. To će biti razvoj alata koji omogućavaju preciznu kontrolu kadar po kadar. To će biti stvaranje robusnih sistema vodenih žigova koji mogu preživeti kompresiju i uređivanje. Što je najvažnije, to će biti uspostavljanje novih društvenih normi i zakona koji štite pojedince od zloupotrebe ove moći. Video snimci su samo početak priče za .

Пронашли сте грешку или нешто што треба исправити? Јавите нам.