Sora 2, biopočítače DishBrain a Samsung Moohan | AI novinky česky

Přepis epizody

Vítejte, zdraví vás Iveta. Společně prozkoumáme, jak umělá inteligence a technologie přetváří práci, kreativitu i volný čas.

Ahoj, Iveto, a ahoj, posluchači. Máš pravdu, je toho hodně. A řekl bych, že dnes se podíváme na věci, které už nejsou jen pokusy v laboratoři, ale skutečně se rýsuje jejich masivní dopad na naše životy. A také něco o živých počítačích. Ale začněme něčím, co už je asi většině lidí trochu bližší.

Mluvím samozřejmě o generování videa pomocí AI, konkrétně o OpenAI Sora. Pamatuji si, když Sora poprvé vyrazila dech internetu. Ty ukázky byly neuvěřitelné. A teď už je venku i Sora 2, která byla nedávno zveřejněna a už o ní máme první reálné zkušenosti. Co všechno umí, Alfrede? Už dokáže generovat videa až do délky 60 sekund jen z textového popisu. A co je na ní fascinující, je to, že zvládá komplexní scény s více postavami, specifickými pohyby a detaily na pozadí. Vizuální kvalita a hlavně časová soudržnost, to je to, co ji odlišuje.

Dělá to na základě modelu Diffusion Transformer, zkráceně DIT. Ten převádí vstup na takové patche, podobně jako LLM modely pracují s tokeny. Ta fyzika je klíčová, protože generovat jen pěkné obrázky za sebou, to je jedna věc. Ale zajistit, aby se třeba míč odrazil realisticky, nebo aby se voda rozstříkla správným způsobem, to už je úplně jiná liga.

A co se týče budoucích předpovědí pro vývoj projektu Sora, tam se mluví o posunu ještě dál. Důraz je kladen na lepší soudržnost v čase, takzvanou temporální konzistenci, a hlavně na hlubší pochopení fyziky světa. To znamená, že by měla být schopna modelovat a simulovat 3D svět, což by umožnilo třeba dynamické změny prostředí, které doteď nebyly možné. Dále se mluví o lepší kontrolu nad stylem, emocemi postav a dokonce i o integraci s dalšími AI nástroji pro editaci nebo voiceover. A jeden z největších cílů je real-time generování. Představ si, že zadáš prompt a video se ti generuje před očima. Hned. To by změnilo velmi mnoho.

Real-time generování? To zní jako sen pro filmaře nebo tvůrce obsahu. Už jen ta současná Sora 2 se zmiňuje jako nástroj pro previzualizaci ve filmové produkci, pro nezávislé filmaře, pro reklamu, pro herní průmysl, dynamická prostředí a NPC postavy. A co vzdělávání nebo virtuální realita? Tam je potenciál obrovský. A pak samozřejmě ta uncanny valley, kdy je něco téměř realistické, ale ne úplně a působí to spíše divně nebo děsivě.

Přesně. Učit se o kauzalitě, interakcích mezi objekty, o gravitaci, o tom, jak se světlo odráží. To je to, co je potřeba k tomu, aby se AI mohla stát skutečně kreativním nástrojem, zlomení skla nebo složitá manipulace s objekty, což jsou věci, kde současná Sora ještě občas klopítá.

A co dál, Iveto? Máme tu něco, co je ještě o dost blíže k živé hmotě, než k digitálním jedničkám a nulám. To už jsi nahrál dokonale. Mluvím teď o biopočítačích a projektu Dish Brain. Slyšíš to jméno? Zní to jako něco ze sci-fi románu, ale je to realita.

Australští vědci už nějakou dobu pracují na tom, aby použili skutečné lidské mozkové buňky k sestrojení biopočítačů. To je opravdu úžasné. Projekt Dish Brain v Austrálii používá laboratorně vypěstované minimozečky, nebo takzvané organoidy. Ty se skládají z 25 000 až 100 000 neuronů, které jsou vypěstované z lidských kmenových buněk. Tyto organoidy jsou pak připojeny k mikroelektrodovým polím, což jim umožňuje komunikovat s digitálním světem. Představ si to, živý hardware. A co je na tom nejúžasnější? Tyto minimozečky se dokázaly učit a plnit úkoly. Nejznámější je asi případ, kdy se naučily hrát pong. To zní jednoduše, ale znamená to, že dokázaly zpracovávat informace, reagovat a učit se z chyb. To je obrovský krok.

A hlavní výhody? Potenciálně mnohem nižší spotřeba energie než u křemíkových AI, což je obrovský problém pro datová centra. A také schopnost učit se s mnohem menším množstvím dat, což se označuje jako celoživotní učení. Biologické mozky se učí přirozeně, což je pro tradiční AI stále velká výzva. A to má potenciál, Alfrede. Představ si AI, která se učí průběžně, jako člověk. To by mohlo skutečně propojit biologickou a umělou inteligenci a pomoci nám pochopit, jak mozek funguje. A třeba i při výzkumu mozkových chorob.

Ale určitě jsou tu i nějaké výzvy, že? Jasně, a nemalé. Za prvé, etické otázky. Když máme v misce mozek, který se učí, kde je hranice? Co když se tyto organoidy stanou složitějšími? Dále, udržení životaschopnosti živé tkáně je obrovský problém. Potřebují živiny, stabilní prostředí. A škálovatelnost. Představit si obrovské farmy biopočítačů je zatím dost sci-fi. A pak samozřejmě integrace s tradičními počítači. Jak propojíme mokré, živé systémy s těmi suchými digitálními? Ale ta myšlenka neuronových sítí, elektrických impulsů a 3D kultury, to je něco.

Zajímavé. Ale ukazuje to, jak daleko jsme se dostali a jaké různé cesty AI teď zkoumá. Ale pojďme se vrátit na zem, nebo spíše do naší kapsy, k chytrým zařízením. Máme tu něco nového od Googlu, co by mohlo změnit způsob, jakým s nimi komunikujeme.

To je dost zajímavá zpráva. Google si patentoval systém, který má nahradit tradiční „Hey Google“ hotword pro aktivaci AI asistenta. Místo toho by se AI aktivovala na základě detekce obličeje a kontextových podnětů. To je posun k mnohem přirozenější interakci. Takže žádné neustálé opakování „Hey Google“, to by bylo příjemné. Kolikrát se mi stalo, že jsem chtěla jen říct něco v konverzaci a najednou se mi ozval telefon: „Jak vám mohu pomoci?“ Jak to má fungovat podle toho patentu? Podle toho patentu by AI analyzovala různé signály. Mimiku obličeje, směr pohledu, pohyby hlavy a samozřejmě i řečové vzory. Cílem je, aby zařízení samo vyhodnotilo, jestli s ním uživatel skutečně chce interagovat. Třeba když se na něj podíváš, uděláš určitý výraz nebo začneš mluvit směrem k němu. To by bylo mnohem intuitivnější, řekla bych, méně falešných aktivací. A teoreticky i lepší pro soukromí, protože by se asistent aktivoval jen tehdy, když ty chceš, nejen proto, že zaslechne hotword, když se bavíš s někým jiným.

Ale zároveň se vynořuje otázka soukromí. Pokud se neustále skenuje můj obličej a mé pohyby, to se mi zas tak příliš nelíbí. Zároveň by to znamenalo, že se AI aktivuje jen ve chvíli skutečné záměrné interakce, mohlo by to být ve výsledku i více soukromé. Museli by to samozřejmě dobře implementovat. Patenty ale ukazují směr, kterým firmy uvažují. A směr je jasný, co nejpřirozenější interakce. Pryč s umělými příkazy? To je vidět i na tom, jak se vyvíjí samotné jazykové modely. Jsou stále lepší v porozumění kontextu, takže je logické, že se to posouvá i do způsobu aktivace.

Ale když už jsme u velkých technologických hráčů, kteří investují do AI, musíme zmínit i Samsung a jejich Project Muhan. Co o tom víme, Alfrede? Muhan je taková záhada, Iveto. Samotné jméno Muhan znamená v korejštině nekonečno nebo bezmeznost, což už samo o sobě naznačuje ambiciózní plány. Ale nejnovější informace a spekulace, včetně indicí od partnerů, naznačují, že jde o jejich dlouho očekávané VR XR brýle, přímou odpověď na Apple Vision Pro. Samsung je sice na informace poměrně skoupý, ale hovoří se o novém světě a novém zážitku, což pro virtuální realitu sedí dokonale.

Zní jako klasické marketingové lákání, ale když to spojíme s tím, co Samsung dělá v oblasti AI, dá se spekulovat, že by mohlo jít o něco velkého, co se týče AI interakce v rámci těchto brýlí, že? Naprosto. Samsung masivně investuje do AI. Tyto VR XR brýle by mohly být platformou, kde se AI projeví v úplně nové formě interakce. Hovoří se o tom, že na softwarové části Samsung spolupracuje s Googlem a na chipsetu s Qualcommem. To by dávalo smysl. Muhan by tak mohl konkurovat v této nové éře, zejména v oblasti rozšířené a virtuální reality, kde se AI stává klíčovou pro pohlcující a přirozené zážitky. To by dávalo smysl. Každá velká technologická firma se teď snaží urvat si svůj kus koláče v oblasti AI. Apple má svůj směr, Google svůj, Amazon také. Samsung je obrovský hráč na hardwarovém trhu, takže pro ně je klíčové mít i silný softwarový AI pilíř, který propojí celou jejich nabídku.

Je to tak, tyto zprávy, ať už mluvíme o Soře, o biopočítačích, o změně způsobu interakce s AI, nebo o takových projektech jako Muhan, ukazují, jak rychle se AI vyvíjí. A to nejen v rovině výkonu, ale i v tom, jak se integruje do našeho života, do průmyslu a dokonce i do takových fundamentálních věcí, je to vzrušující doba. Vzrušující a plná otázek. Od kreativního potenciálu přes etické dilemy až po základní otázky o tom, co je to inteligence. Dnešek nám ukázal, že AI není jen jedna věc. Je to obrovské spektrum inovací, které se vzájemně ovlivňují a posouvají dál.

Alfrede, bylo to velmi inspirativní. Která asistuje při přípravě obsahu i hlasové syntéze. Navzdory snaze o dokonalost může epizoda obsahovat drobné nepřesnosti.