Giovedì 15 febbraio, Sam Altman, CEO di OpenAI, ha presentato un nuovo prodotto, Sora, che può generare video realistici fino a 60 secondi da un semplice prompt testuale. La società ha intanto pubblicato una serie di video dimostrativi che dice essere stati creati con il nuovo prodotto. E la qualità è impressionante, per quanto non ancora perfetta.
Non è la prima volta che vediamo l’IA cimentarsi con i video, ma fino ad ora la maggior parte dei modi in cui le persone interagivano con l’intelligenza artificiale generativa era attraverso esperienze come ChatGPT o Gemini di Google, prompt testuale per ricevere risposte testuali. Oppure Dall-E o Midjourney per creare immagini.
Il video è, per ovvie ragioni, molto più complesso, ma quello che Sora ha fatto vedere nella sua demo è piuttosto incredibile.
Oltre ai video inclusi nell’annuncio, Altman ha preso prompt su X e ha condiviso i risultati durante la sua presentazione. L’idea che tu possa digitare parole in una finestra del browser e un computer ti restituisca un video realistico di 60 secondi è decisamente esaltante.
Però queste sono dimostrazioni preparate e ancora ristrette al personale di OpenAI. Sora non è ancora a un punto in cui produce costantemente buoni risultati. Anche gli esempi di Altman sono stati chiaramente creati ‘ad hoc’. E nemmeno quelli sono riusciti perfettamente.
Si tratta di un fronte completamente nuovo per l’IA. Il fatto che Sora possa produrre questi risultati, anche solo occasionalmente, è sia affascinante che spaventoso. Perché se al gattino o all’immagine di Amalfi generata, ci metti il tuo volto o una scena di cronaca… vuol dire che siamo già in grado di diffondere deep-fake con strumenti di massa. Proprio quando in America ci sono le elezioni dell’uomo più potente della pianeta tra qualche mese.
Altro dubbio è sull’effettiva customer-experience. Per lavorare con l’IA serve sapere generare prompt come si deve, altrimenti i risultati sono spesso orrendi o patetici. Chiunque di voi si sia cimentato con DALL-E almeno una volta sa di cosa parlo. Basta farsi un giro sui social per vedere immagini bellissime come pure schifezze immonde e banali che a stento finirebbero appese sulla porta del frigorifero della più compassionevole delle madri. Ci puoi giocare, ma prima di tirarci fuori immagini di qualità devi investire tempo, avere senso creativo e saper scrivere prompt in modo professionale. Quanto sarà consistente Sora nel produrre il tipo di risultati che l’azienda ha fatto vedere nella presentazione? E come potrà OpenAI impedire che i risultati vengano usati per l’inevitabile disinformazione, abusi e persino attività illegali?
La maggior parte dell’attenzione si concentrerà, giustamente, sulle questioni di violazione del copyright e disinformazione. L’intelligenza artificiale generativa è ancora poco ‘pratica’ nel cogliere alcuni dettagli correttamente.
Non sto dicendo che Sora non potrà essere (quasi) perfetta. Non è nemmeno disponibile al pubblico e sicuramente ci stanno ancora lavorando per migliorare qualcosa che ha tutti i numeri per avere dell’incredibile. L’aspettativa che OpenAI sta creando è decisamente alta, vedremo se l’effettivo risultato per noi comuni ‘user’ sarà altrettanto. In fondo durante le dimostrazioni le aziende ti fanno vedere solo quello che vogliono loro. Non so voi, ma questa frustrazione la vivo ogni che mi ritrovo tra le mani un prodotto nuovo che non riesco ad utilizzare agilmente.
Rimane comunque, e qui non ho certo risposte, il rischio dell’utilizzo di uno strumento che, come sempre, dipende dall’essere umano che ne dispone. E sulle persone, anche se sono ottimista, ho un sano e ragionevole senso di preoccupazione.
Per il momento aspettiamo Sora, nell’attesa che qualche nerd italiano pubblichi l’immancabile versione Lella.
