Khi một câu chữ có thể tạo ra cảnh chuyển động

Dòng Chảy AI · Hành Trình AI · 10–16/02/2024

Một đoạn video có thể làm chúng ta tin rằng mình đang nhìn thấy một nơi có thật. Nhưng điều gì thay đổi khi cảnh đó được tạo ra từ một đoạn mô tả, thay vì được máy quay ghi lại?

Ngày 15/2/2024, OpenAI công bố nghiên cứu về Sora, một mô hình tạo video theo mô tả bằng văn bản. VnExpress đưa tin ngày 16/2 cho độc giả Việt Nam. OpenAI giới thiệu các video mẫu và nói mô hình có thể tạo một số cảnh dài tới một phút. Đây là khả năng được công ty trình bày, không phải kết quả thử nghiệm độc lập trên mọi yêu cầu của người dùng. 1 2 4

Công cụ đang cố làm điều gì?

Tạo một hình tĩnh từ chữ đã đặt ra nhiều câu hỏi về hình ảnh tổng hợp. Video thêm một yêu cầu: các vật thể và nhân vật phải thay đổi theo thời gian mà người xem vẫn cảm thấy cảnh có tính liên tục. Trong báo cáo kỹ thuật, OpenAI mô tả việc huấn luyện mô hình tạo sinh trên dữ liệu video và hình ảnh; công ty coi kết quả là một hướng nghiên cứu về mô phỏng thế giới. Đó là cách tiếp cận và mục tiêu nghiên cứu của OpenAI, không phải bằng chứng mô hình hiểu thế giới như con người. 2

Một người làm phim có thể hình dung dùng công cụ như vậy để thử một ý tưởng cảnh quay trước khi chọn cách thực hiện. Đây là tình huống giả định, không phải dự án được Dòng Chảy AI quan sát hay thử nghiệm. Ý tưởng đó cũng không trả lời hết các câu hỏi về chi phí, quyền sử dụng, hay vai trò của những người tham gia sản xuất.

Một cảnh thuyết phục chưa chắc có vật lý đúng

Điều đáng chú ý không chỉ là hình ảnh đẹp. Báo cáo của OpenAI cũng thừa nhận mô hình có thể mô phỏng sai một số tương tác vật lý; trong các ví dụ công ty công bố, vật thể có thể biến đổi hoặc chuyển động thiếu hợp lý. Một video có vẻ tự nhiên ở cái nhìn đầu tiên vẫn có thể sai ở chi tiết khi xem kỹ. 2 4

Vì vậy, một video tổng hợp không tự chứng minh sự kiện trong đó đã xảy ra. Với người xem, câu hỏi thiết thực là nguồn video đến từ đâu và có bằng chứng độc lập cho sự kiện được mô tả hay không. Đây là nguyên tắc kiểm chứng biên tập, không phải cách bảo đảm phát hiện được mọi video giả.

Ai được dùng Sora vào thời điểm đó?

Ngày 16/2, một bài đăng trên diễn đàn nhà phát triển OpenAI nói mô hình chưa được mở rộng rãi cho công chúng. Công ty cấp quyền tiếp cận cho những người kiểm thử rủi ro và một số nghệ sĩ, nhà thiết kế, nhà làm phim để thu thập phản hồi. Việc công bố video mẫu không đồng nghĩa mọi người đã có thể tự tạo video bằng Sora trong tuần ấy. 3 4

Điều này cũng giới hạn những gì chúng ta có thể kết luận về người dùng Việt Nam: tin tức tiếng Việt cho thấy sự kiện được đưa tin, nhưng không chứng minh người Việt nói chung đã được dùng công cụ hoặc công việc của họ đã thay đổi ra sao.

Nhìn lại sau kỳ

Bằng chứng sau kỳ — năm 2024: Trong tài liệu an toàn được công bố sau thông báo ban đầu, OpenAI mô tả quá trình thử nghiệm với chuyên gia bên ngoài và thu thập phản hồi từ người làm sáng tạo. Đây là báo cáo của công ty về quá trình của mình; nó không chứng minh đã loại bỏ mọi rủi ro hoặc giải quyết mọi bất đồng về quyền của người sáng tạo. 5

Sora khiến khả năng tạo cảnh chuyển động từ ngôn ngữ trở nên dễ hình dung hơn với công chúng. Cùng với cơ hội thử nghiệm ý tưởng, nó đặt ra một trách nhiệm quen thuộc trong hình thức mới: kiểm tra nguồn gốc và giới hạn của điều ta đang nhìn thấy.

Tài liệu tham khảo

1. VnExpress — AI tạo video của OpenAI gây sốt, 16/2/2024; báo chí Việt Nam.
2. OpenAI — Video generation models as world simulators, 15/2/2024; báo cáo kỹ thuật của bên phát triển.
3. OpenAI Developer Community — Introducing Sora, 16/2/2024; thông tin công ty về quyền tiếp cận tại thời điểm đó.
4. Reuters qua Investing.com — OpenAI introduces AI model that turns text into video, 15/2/2024; báo chí độc lập.
5. OpenAI — Sora System Card, tài liệu công ty sau kỳ, mô tả quá trình đánh giá.