Sora 2 všude (náhled výzkumu "Imagine with Claude" je nyní k dispozici také pro uživatele Claude Pro)

OpenAI vydala Sora 2, svůj nový nejmodernější model generování videa a zvuku, který nazval okamžikem GPT-3.5 pro video - Model generuje videa o délce až 10 sekund (výchozí 9:16 vertikálně) se synchronizovaným zvukem včetně obtížných fyzikálních simulací, kde se chyby, které model dělá, často jeví jako chyby interního agenta, kterého Sora 2 implicitně modeluje, spíše než jako chyby narušující fyziku - Cameo umožňují uživatelům nahrát krátký jednorázový video-a-audio záznam, kde si přečtou ověřovací frázi, poté je model může vložit do jakéhokoli prostředí generovaného Sora s přesným vzhledem a hlasem, kde pouze oni rozhodují, kdo může použít jejich cameo a mohou kdykoli zrušit přístup nebo odstranit jakékoli video, které jej obsahuje - Aplikace funguje jako sociální platforma iOS, která není optimalizována pro strávený čas, ale je výslovně navržena tak, aby maximalizovala tvorbu, nikoli spotřebu, a silně upřednostňuje obsah od lidí, které sledujete nebo s nimi komunikujete, a videa, o kterých si model myslí, že budou inspirovat vaše vlastní výtvory, s funkcemi, jako je remixování jiných příspěvků a přímé zasílání zpráv pro soukromé sdílení videí - Mezi bezpečnostní opatření patří omezené zavádění pozvánek, omezení nahrávání obrázků, které představují fotorealistickou osobu, blokování všech nahrávání videí, žádná transformace videa na video při spuštění, přísnější ochranná opatření pro nezletilé s výchozími limity posouvání, metadata C2PA a viditelné vodoznaky na všech výstupech a hodnocení ukazující 95,1–99,7% účinnost při blokování nebezpečného obsahu - Počáteční zavedení pokrývá USA a Kanadu s plány na expanzi, zatímco Spojené království, EU a Austrálie nejsou při uvedení na trh zahrnuty, jsou k dispozici zdarma s velkorysými limity, i když podléhají výpočetním omezením, přičemž jedinou plánovanou monetizací je volitelná platba za další videa, pokud poptávka převýší výpočetní výkon, uživatelé ChatGPT Pro získají přístup k modelu Sora 2 Pro ve vyšší kvalitě a vydání API plánovanému do budoucna

Zde jsou mé poznámky z přednášek TED na TEDAI Vienna 2025 (26. září 2025) Sekce 1: Založení Walter Werzowa (umělec, Royal Society of Arts Fellowship, Recording Academy), Olivier Oullier (inkluzivní mozky, biotechnologické zuby, MBZUAI) - Úvod - Orchestr, mozkové rozhraní, DJ, hudebník - Performance překládající mozkové vlny přes AI do hudby Shaden Alshammari (výzkumný pracovník, MIT) - Inspirace periodické tabulky chemie pro rámec strojového učení - Strojové učení periodické tabulky organizující algoritmy, distribuce a objektivní funkce - Přístup k učení reprezentací propojující různorodé metody - Nový algoritmus shlukování obrázků vylepšuje 60 let starý algoritmus shlukování K-means - Proměnné R a Q reprezentující reálné vztahy (s anotací a bez anotace) a naučené vztahy - Struktura periodické tabulky pro algoritmy strojového učení odhalující mezery pro nové metody - Signál učení s učitelem prostřednictvím naučených reprezentací Lukasz Kaiser (výzkumný pracovník, OpenAI) - Samořídící auta - proč nejezdí všude jako taxikáři? - Proč je umělá inteligence pro léčbu nemocí tak obtížná? Stroje se musí učit z menšího množství dat - Výkonnější modely s možností učení - RNNs - šnek chodící kolem slov - Transformers - šnek nesoucí batoh se všemi předchozími slovy - Transformátory se učí z menšího množství dat - Modely uvažování / uvažovatelé - stále nesou všechna slova, ale také produkují svá vlastní slova mezi tím (test-time), umí počítat a myslet v souvislostech - Výzkumníci - výkonné modely + naučitelná, libovolná data, libovolný test-time, paralelismus (již ne sekvenční) - Vědecké objevy, další typ modelů - Časová osa - spíše blíže než dále, měsíce/rok, ale ne desetiletí; není to příliš vzdálená budoucnost - Překvapení, že transformátory a uvažování fungovaly tak dobře Oriol Vinyals (technický vedoucí pro Gemini, viceprezident pro výzkum, Google DeepMind) - Vědec - řešení inteligence pro pokrok vědy a prospěch lidstva - "Čemu nerozumím, tomu nerozumím" (Feynman) - Stavitelovo dilema - vědci vytvářejí systémy umělé inteligence, které by se mohly nahradit - Lidské vysídlení - transformace ovlivňující všechny, včetně vědců - Specializované nástroje - AlphaFold (predikce struktury proteinů) - Evoluce obecných systémů - v loňském roce specializované modely (AlphaProof, AlphaGeometry), v letošním roce jeden obecný model (Deep Think) - Deep Think - zlatá medaile na IMO a ICPC - AI Scientist - interní prototyp ve společnosti Google DeepMind pro automatizovaný vědecký výzkum - Ústřední otázka - vědec budující AI Scientist, nahrazující sám sebe? Verity Harding (zakladatelka, ředitelka a autorka, University of Cambridge & Formation Advisory) - Další závody ve zbrojení po celém světě - AI - Optimismus tehdy - globální AI, spolupráce, globální partnerství - Spolupráce a spolupráce ustoupily, když se umělá inteligence stala výkonnější - Spuštění ChatGPT - Kombinace faktorů vedoucích k rychlému posunu - Kontrola exportu, obranné projevy - Nejprve musíte vyhrát - co byste udělali, abyste vyhráli, když nemůžete přežít prohru - AI bude pokračovat, ale neexistuje žádná cílová čára, adopce AI není binární - Alternativní metafora - je to vesmírný závod (ne jaderný závod) - "Přišli jsme v míru pro celé lidstvo" (záměrná geopolitická strategie USA) - Vesmír - provincie celého lidstva, žádné zbraně hromadného ničení ve vesmíru, nikdo nebude kolonizovat Měsíc - "Vytváříme své metafory a pak naše metafory dělají nás" - Promluvme si o vedení, ne o vítězství - Závoďte o ovládnutí světa nebo o nové hranice Tullio Ghi (MD, PhD, Univerzitní nemocnice Agostina Gemelliho) - Riziko komplikací při porodu - Rozhodnutí o tom, jaký zákrok použít při ohrožení přísunu kyslíku během porodu (vakuumextrakce, císařský řez) v závislosti na tom, jak daleko dítě sestoupilo - Transperineální ultrazvuk, měření vzdálenosti hlava-perineum - Automatické měření vzdálenosti hlava-perineum na bázi umělé inteligence - Posouzení stupně rotace a polohy hlavičky plodu v porodních cestách - 3 konvoluční neuronové sítě pracující současně - 2 154 ultrazvukových snímků z 16 center po celém světě, celková přesnost 94,5 % a citlivost 95,6 %