Az elmúlt egy hétben számos izgalmas fejlemény történt a mesterséges intelligencia (AI) világában. Az alábbiakban összegyűjtöttük a legfontosabb híreket, amelyek bemutatják a technológia fejlődését és hatását.

1. OpenAI Sora Videógeneráló modell elérhetősége

Az OpenAI bejelentette, hogy a Sora videókészítő mostantól elérhető az EU-ban és az Egyesült Királyságban. Ez a modell lehetővé teszi a felhasználók számára, hogy egyszerű utasításokkal videókat készítsenek, így forradalmasítva a tartalomgyártást. A Sora célja, hogy a kreatív folyamatokat még hozzáférhetőbbé és egyszerűbbé tegye. A SORA már elérhető a PLUS előfizetők részére is, korlátozott funkciókkal, és hamarosan Magyarországon is.

2. GPT-4.5 kiadása

Az OpenAI bemutatta a GPT-4.5-öt, amely a legújabb generációs nyelvi modell. A GPT-4.5 természetesebb kommunikációt és fejlettebb érzelmi intelligenciát ígér, míg a kontextusablaka 128 ezer token hosszú, ami lehetővé teszi a mélyebb és összetettebb párbeszédeket.

3. Claude 3.7 Sonnet modell bevezetése

Az Anthropic új hibrid gondolkodású modellje, a Claude 3.7 Sonnet, mostantól elérhető. Ez a modell azonnali és részletes válaszokat tud adni, így ideális választás a felhasználók számára, akik gyors és pontos információkat keresnek.

4. Google Gemini Code Assist ingyenes verziója

A Google bejelentette, hogy a Gemini Code Assist mostantól ingyenesen elérhető. A szolgáltatás havi 180 000 kód-kiegészítést kínál, amely segíti a fejlesztőket a hatékonyabb munkavégzésben és a kódolási folyamatok felgyorsításában.

5. Kínai AI modellek nyílt forráskódúvá tétele

A Baidu bejelentette, hogy az Ernie 4.5-öt nyílt forráskódúvá teszi. Ez a fejlesztés lehetővé teszi a globális közösség számára, hogy hozzáférjen a fejlettebb multimodális képességekkel rendelkező modellhez, amely új lehetőségeket nyit meg a kutatás és a fejlesztés terén.

6. AI Biztonsági kutatások

Egy kutatócsoport felfedezte, hogy a finomhangolt AI modellek más területeken is veszélyes viselkedést mutathatnak, ha szándékosan veszélyes kód írására hangolják őket. Ez a felfedezés rávilágít arra, hogy a mesterséges intelligencia biztonsági kérdései egyre fontosabbá válnak.

7. Elon Musk AI Stratégiája

Elon Musk elárulta, hogy a mesterséges intelligencia versenyében milyen nagy téteket kell fizetni. A milliárdok befektetése csak a kezdet, és Musk hangsúlyozta, hogy a jövőbeni fejlesztések kulcsfontosságúak lesznek a technológiai versenyben.

2 perc olvasási idő.

A Google sem szeretne lemaradni a képgenerálós versenyből, és bár még csak egy apró és vékony szeletkéje van, de igyekszik. Láthatóan erősítenek ezen a vonalon és vannak próbálkozások. Azért nevezem próbálkozásnak, mert a többi versenytárssal összevetve azért valljuk be van még mit csiszolni a technikán.

Az Imagen 3 a Google saját kis AI képgenerátora, amit (mint mindenki más a konkurensek közül) finomítgat, fejlesztget, adatbázist bővítget, tanítgat. Most egy olyan feature-t mutatott be nekünk a keresőóriás (hopp ez a kifejezés is véges már), aminek segítségével kép(ek) feltöltésével tudsz generáltatni vele egy új képet. Amolyan modell betanítás feeling, csak ők másképp nevezték el, de lényegében erről van szó (a szerk.). Ez pedig a Google Whisk (nincs magyar fordítása).

Ez egyelőre természetesen még csak az USA-ban érhető el, a Google Labs oldalán keresztül, szóval mi ne is próbálkozzunk vele egyelőre.

A Whisk a Google fejlett Imagen 3 képgeneráló modelljét használja képek létrehozására, amelyet az eszköz megjelenésével nagyjából egyidejűleg jelentettek be. A generálási folyamat úgy zajlik, hogy a felhasználó egy vagy több képet tölt fel vizuális mintaként, opcionálisan szöveges leírásokkal kiegészítve. Ezután a Whisk elemzi ezeket a bemeneteket, hogy megértse a kívánt témákat, jeleneteket és stílusokat, és egy promptot hoz létre, amely irányítja a képgenerálási folyamatot.

Az eszköz több variációt generál a vizuális és szöveges bemenetek alapján, és a felhasználók számára egy válogatást kínál az AI által generált képekből, mindegyikhez tartozó szöveges promptokkal együtt. A felhasználók ezután finomíthatják eredményeiket az alapvető promptok szerkesztésével vagy különböző bemeneti képkombinációkkal való kísérletezéssel, elősegítve egy iteratív és felfedező jellegű kreatív folyamatot. Az eszköz felületén található egy praktikus dobókocka ikon, amely véletlenszerű képi javaslatokat generál azok számára, akik nem rendelkeznek forrásképekkel. A végeredményt berakhatod kedvencekbe, letöltheted, a promptot kimásolhatod, újat generálhatsz.

Az nem derült ki, hogy maga a rendszer milyen alapon működik (esetleg ingyenes a bevezető időszakban), az sem derült ki, hogy a generált képeket miképpen exportálhatom, és az sem, hogy nagyítható -e AI segítségével. Az sem világos, hogy ha egy kép majdnem tetszik, akkor hogyan tudok rajta finomítani anélkül, hogy az egészet újra kezdené.

Továbbá az sem világos (nekem), hogy ez tulajdonképpen mire jó? Miért jobb ez a képes megközelítés, mint a promtp generálású változat?

Te ki fogod próbálni? Írd meg kommentben.

_{Forrás: https://petapixel.com/2024/12/17/googles-new-ai-image-tool-whisk-lets-you-use-photos-as-prompts/}

Elnézést kérek a szóviccért, de kihagyhatatlan volt, és talán egy jó darabig nem is lesz több – de ezt nem ígérhetem biztosra.

Az OpenAI , “12 days of ai” eseménysorozatának 3. napjához értünk, amit kétségtelenül elvitt a már hónapok óta várt SORA nevű videó generátora, ami szövegből készít videót. Ismerünk már sok konkurens megoldást, amik már jó ideje jelen vannak a piacon (és talán jobbak is), de nem hagyhatjuk szó nélkül ezt a bejelentést.

Amit tudni illik a SORA videógenerátorról:

Sora – Az új videómodell

• Funkciók:
  • A Sora képes szöveges leírásból, képből vagy meglévő videóból új videókat generálni. A felhasználók különböző eszközökkel irányíthatják a generálást:
  • Szöveges prompttal egyszerű videók létrehozása
  • Storyboard funkcióval összetett jelenetek tervezése
  • Remix funkcióval meglévő videók módosítása
  • Loop funkcióval végtelen ismétlődő videók készítése
  • Blend funkcióval két videó kombinálása
    
• A szolgáltatás főbb jellemzői:
  • 480p-től 1080p felbontásig
  • 5-20 másodperces videók
  • Különböző képarányok támogatása
  • Több variáció egyidejű generálása
  • Előre beállított stílusok használata
    
• Hozzáférés:
  • A Sora a ChatGPT Plus ($20/hó) és Pro ($200/hó) előfizetők számára érhető el.
  • A Plus előfizetők havonta 50 videót generálhatnak, maximum 720p felbontásban és legfeljebb 5mp terjedelemben, míg a Pro előfizetők 10-szer több generálást kapnak, nagyobb felbontással (max. 1080p) és maximum 20 mp terjedelemmel.
  • Az EU és az Egyesült Királyság felhasználói számára a modell jelenleg nem elérhető, de a jövőben tervezik a bevezetést.

A Sora tartalmaz egy Explore oldalt, ahol a felhasználók megoszthatják és megtekinthetik egymás alkotásait.

A bemutató során a modell valós időben generált lenyűgöző videókat, például gyapjas mamutokat és futurisztikus tájakat.

A Sora különálló termékként érhető el a Sora.com oldalon, de a ChatGPT előfizetésekhez kapcsolódik.

A modell célja, hogy a kreatív iparágakban, például marketingben, dizájnban és tartalomgyártásban új lehetőségeket nyisson meg.

Itt egy minta videó Takenoko Zoku és Emi Kusano közös alkotása. Mindenki vonja le a következtetést a látott végeredmény alapján, de meg is oszthatod velünk kommentben.

Csatlakozz díjmentesen az első magyar AI közösséghez!
Kattints IDE

A Stanford Egyetem 2024-es AI Index jelentése szerint az Egyesült Államok vezető szerepet tölt be a kiemelkedő mesterséges intelligencia modellek fejlesztésében. A jelentés elemzése alapján 2023-ban az Egyesült Államokból származott 61 jelentős AI modell, ami messze felülmúlja az Európai Unió 21 és Kína 15 modelljét. Az AI fejlesztésének geopolitikai tájképét vizsgálva a jelentés megállapítja, hogy az Egyesült Államok 2003 óta több modellt hozott létre, mint más jelentős földrajzi régiók.

Ez a vezető szerep részben annak köszönhető, hogy az Egyesült Államokban jelentős mennyiségű magánbefektetés áramlik az AI fejlesztésébe. 2023-ban az Egyesült Államokban 67,2 milliárd dollárt fektettek be magáncégek az AI-ba, ami közel kilencszerese a Kínában befektetett összegnek. Az amerikai intézmények által létrehozott modellek száma és a befektetések nagysága is azt mutatja, hogy az Egyesült Államok továbbra is a mesterséges intelligencia fejlesztésének központja marad, ám igen erőszakos módon Kína sem hagyja magát ebben a piaci versenyben.

Forrás: AI Index Report 2024 – Stanford University