Корпорація Meta (раніше Facebook) Марка Цукерберга представила нову нейромережу Make-A-Video, яка генерує відеоролики за текстовим описом.
В офіційному блозі розробників нейромережі йдеться про те, що підрозділ Meta AI просунувся у дослідженні штучного інтелекту та використав свої напрацювання для створення нового сервісу.
Корпорація Meta (раніше Facebook) Марка Цукерберга представила нову нейромережу Make-A-Video, яка генерує відеоролики за текстовим описом.
В офіційному блозі розробників нейромережі йдеться про те, що підрозділ Meta AI просунувся у дослідженні штучного інтелекту та використав свої напрацювання для створення нового сервісу.
В основу Make-A-Video лягла генеративна нейромережа, яка використовує загальнодоступні набори даних, тобто кадри, які можна легко знайти в інтернеті, йдеться про мільйони відеороликів загальною тривалістю сотні тисяч годин. Незабаром компанія планує випустити публічну демоверсію своєї системи.
«За допомогою всього кількох слів або рядків тексту Make-A-Video може втілити в життя уяву та створити унікальні відеоролики, повні яскравих кольорів, персонажів та пейзажів. Система також може створювати відео із зображень або брати наявні відео та створювати нові, схожі на них», — пише Meta.
Користувачеві достатньо приблизно описати сцену кількома пропозиціями, які Make-A-Video спробує відтворити у вигляді ролика. Як зазначають журналісти The Verge, відео поки виходять нереалістичними, з розмитими краями та «рваною» анімацією, проте це значний прорив у світі сучасних ШІ-технологій.
На сайті розміщено кілька прикладів вже готових робіт Make-A-Video. Під кожним роликом вказаний текстовий запит, на основі якого його нейромережа створювала. Аналітики припускають, що для демонстрації Meta відібрала найякісніші результати, щоб показати систему в кращому світлі.
Генеральний директор Meta Марк Цукерберг у Facebook відзначив «дивовижний прогрес» проєкту. Він звернув увагу, що створювати відео значно складніше, якщо порівняти з фотографіями, адже системі потрібно не лише правильно згенерувати кожен піксель, а й передбачити, як зображення має змінюватись згодом.
У статті, присвяченій дослідженню, Meta розповідає, що її модель має безліч технічних обмежень, окрім розмиття. ШІ не може засвоїти інформацію так само, як людина під час перегляду відео, наприклад, в який бік рухається рука. У Make-A-Video виникають труднощі зі створенням відео тривалістю понад п’ять секунд, кількох сцен та роботи з високою роздільною здатністю. Зараз модель створює відео з 16 кадрів з роздільною здатністю 64 на 64 пікселі, які потім збільшуються у розмірі за допомогою окремого алгоритму до 768 на 768 пікселів. Крім того, разом з інформацією з інтернету ШІ міг вивчити шкідливі упередження та стереотипи.
The Verge акцентує увагу на тому, що моделі штучного інтелекту можуть навчатися — нехай поки відео виглядають гірше за створені людьми, але в майбутньому їх якість має значно зрости. Наявні генератори зображень за текстовим описом кілька років тому також пропонували розмитий та незрозумілий контент, а сьогодні видають фотореалістичні картинки. Нехай у разі створення відео прогрес повинен йти повільніше, але попередні результати можуть вразити інвесторів і спонукати їх вкладати гроші в розвиток технології.
Проте відеоматеріали, створені ШІ, можуть використовувати для дезінформації, пропаганди та створення порнографії, щоб шантажувати людей. Подібне вже спостерігається у випадку з технологією дипфейків (Deepfake) та генераторами зображень, пише «Фокус».
Поддерживал информационно.