Thế giới của trí tuệ nhân tạo (AI) đang rộn ràng với những phát triển đầy hứng khởi, và những tiến bộ trong công nghệ chuyển văn bản thành video đặc biệt đáng chú ý. Hai mô hình mới, "Dream Machine" của Luma AI và "Gen 3 Alpha" của Runway, đã nổi lên như những ứng cử viên ấn tượng trong lĩnh vực này đang phát triển nhanh chóng.

Mô hình "Dream Machine" của Luma AI cho phép người dùng tạo ra những video ấn tượng từ các lời nhắc văn bản hoặc hình ảnh. Mức độ chi tiết và các tương tác dựa trên vật lý trong các video kết quả thực sự đáng kinh ngạc, với các nhân vật, đối tượng và môi trường hòa quyện một cách mượt mà. Mặc dù mô hình vẫn gặp khó khăn với một số khía cạnh như hiển thị văn bản và biến đổi, nhưng chất lượng tổng thể là một bước tiến đáng kể trong cảnh quan chuyển văn bản thành video.

Mô hình "Gen 3 Alpha" của Runway là một sự bổ sung ấn tượng khác vào lĩnh vực chuyển văn bản thành video. Mô hình này thể hiện một loạt các khả năng, từ việc tạo ra những con người và sinh vật trông thực tế đến việc tạo ra những cảnh chi tiết với ánh sáng tinh tế, phản chiếu và chuyển động máy ảnh. Việc so sánh song song với công việc trước đây của Sora nổi bật lên những tiến bộ ấn tượng của sản phẩm mới nhất của Runway.

Những mô hình mới này không chỉ mở rộng ranh giới của những gì có thể trong việc tạo video từ văn bản mà còn nâng cao tiêu chuẩn cho các giải pháp nguồn mở. Sự thiếu vắng các mô hình chuyển văn bản thành video nguồn mở sẵn có có thể cạnh tranh với khả năng của những sản phẩm đóng nguồn này tạo ra một cơ hội thú vị để đổi mới và hợp tác sâu rộng hơn trong cộng đồng AI.

Khi lĩnh vực chuyển văn bản thành video tiếp tục phát triển, tác động của những tiến bộ này đối với các ngành công nghiệp khác nhau, từ giải trí đến giáo dục, được dự đoán sẽ mang tính cách mạng. Khả năng chuyển đổi ý tưởng thành nội dung trực quan hấp dẫn có tiềm năng vô hạn, và sự tiến bộ liên tục trong lĩnh vực này chắc chắn sẽ thu hút và truyền cảm hứng.

Runway, công ty tiên phong trong cuộc cách mạng chuyển văn bản thành video, vừa công bố phiên bản thứ ba của mô hình tạo video AI đột phá của họ, Gen3 Alpha. Phiên bản mới nhất này thể hiện những tiến bộ đáng kinh ngạc, mang lại một mức độ thực tế và tính nhất quán đẩy ranh giới của những gì có thể trong video do AI tạo ra.

Các ví dụ được cung cấp cho thấy khả năng nổi trội của Runway Gen3. Từ việc tích hợp tự nhiên một cái tóc giả lên đầu một người đàn ông hói đến những chuyển động sống động của một sinh vật lai giữa rồng và chim tukan, mô hình thể hiện khả năng kết hợp kỳ diệu giữa thực tế và hư cấu. Sự chú ý đến từng chi tiết thật đáng kinh ngạc, với vật lý của dây cáp điện tàu và những phản chiếu trong cửa sổ xe thể hiện sự hiểu biết sâu sắc về thế giới vật lý.

Một khía cạnh đặc biệt ấn tượng là so sánh trực tiếp với Sora, một mô hình chuyển văn bản thành video hàng đầu. Runway Gen3 tự khẳng định mình, mang lại kết quả tương đương, nếu không vượt trội, so với tiêu chuẩn ngành trước đây. Mức độ cạnh tranh này là minh chứng cho sự tiến bộ nhanh chóng trong lĩnh vực này.

Đáng chú ý, cảnh quan nguồn mở cho các mô hình chuyển văn bản thành video vẫn còn thưa thớt, với Runway Gen3 và các đối thủ đóng nguồn của nó dẫn đầu cuộc chơi. Hy vọng rằng một mô hình nguồn mở sẽ sớm xuất hiện, mang lại khả năng tiếp cận rộng rãi hơn và thúc đẩy đổi mới trong lĩnh vực hấp dẫn này.

Nói chung, Runway Gen3 đại diện cho một mốc son quan trọng trong sự tiến hóa của việc tạo video bằng AI. Mức độ thực tế, tính nhất quán và sự chú ý đến từng chi tiết thể hiện trong các ví dụ thực sự đáng kinh ngạc, đặt ra một tiêu chuẩn mới cho ngành công nghiệp. Khi công nghệ tiếp tục phát triển, các khả năng của nội dung do AI tạo ra sẽ được mở rộng theo cấp số nhân.

Các thông báo gần đây về AI của Apple đã gây ra nhiều sự nhầm lẫn và thông tin sai lệch. Hãy cùng làm rõ vấn đề:

• Apple đã phát triển mô hình AI riêng với 3 tỷ tham số chạy cục bộ trên các thiết bị của họ. Mô hình này cung cấp các chức năng như Siri và các khả năng AI cục bộ khác.

• Đối với các truy vấn phức tạp hơn yêu cầu kiến thức rộng hơn, Apple sẽ nhắc người dùng gửi yêu cầu đến ChatGPT, do OpenAI sở hữu và vận hành. Tuy nhiên, đây chỉ là một cuộc gọi API, không phải một tích hợp sâu.

• Trái với quan niệm phổ biến, OpenAI không cung cấp nguồn lực hoặc tích hợp sâu vào các chức năng cốt lõi của hệ điều hành và AI của Apple. Apple có mô hình AI riêng dựa trên đám mây cho các nhiệm vụ này.

• Sự hợp tác với OpenAI chỉ giới hạn ở việc xử lý một số truy vấn "kiến thức thế giới" mà mô hình cục bộ của Apple không thể giải quyết. Đây chỉ là một phần nhỏ trong các khả năng AI mà Apple đã công bố.

• Cách tiếp cận của Apple là kết hợp mô hình AI mạnh mẽ cục bộ của họ, đồng thời sử dụng chọn lọc các khả năng của OpenAI, là một động thái chiến lược để duy trì quyền kiểm soát và bảo mật dữ liệu và tương tác của người dùng.

Tóm lại, các thông báo về AI của Apple thể hiện cam kết phát triển các giải pháp AI mạnh mẽ và tập trung vào quyền riêng tư, có thể xử lý nhiều nhiệm vụ cục bộ, đồng thời chọn lọc sử dụng các nguồn lực AI bên ngoài khi cần thiết. Cách tiếp cận cân bằng này đã bị hiểu nhầm bởi nhiều người, dẫn đến những lo ngại và thông tin sai lệch không có cơ sở.

NVIDIA vừa phát hành một mô hình khổng lồ 340 tỷ tham số có tên là Nitron 4 340B. Mô hình này là một phần của một gia đình các mô hình được tối ưu hóa cho các nền tảng NVIDIA Nemo và Tensor RT. Nitron 4 340B bao gồm các mô hình chỉ dẫn và phần thưởng tiên tiến, cũng như một tập dữ liệu để huấn luyện AI sinh tổng hợp.

Mục đích chính của mô hình này là phục vụ như một nền tảng để huấn luyện các mô hình nhỏ hơn. Bằng cách tạo ra dữ liệu tổng hợp, Nitron 4 340B có thể giúp các công ty và nhà nghiên cứu không có quyền truy cập vào các tập dữ liệu lớn và riêng tư cạnh tranh hiệu quả hơn. Đây là một bước đột phá đáng kể, vì các công ty như OpenAI đã phải trả khoản tiền lớn để thu thập dữ liệu từ nhiều nguồn khác nhau, bao gồm cả Reddit.

Với Nitron 4 340B, các nhà phát triển bây giờ có thể tạo ra dữ liệu tổng hợp của riêng họ để huấn luyện các mô hình nhỏ hơn, có thể cân bằng sân chơi và cho phép nhiều tổ chức tham gia vào cuộc đua AI. Tính chất nguồn mở của mô hình này cũng làm cho nó dễ tiếp cận hơn với một khán giả rộng lớn hơn, dân chủ hóa thêm việc phát triển các hệ thống AI tiên tiến.

Mặc dù tác giả chưa có cơ hội thử nghiệm mô hình, họ rất phấn khích để khám phá khả năng và các ứng dụng tiềm năng của nó trong tương lai gần. Khả năng tạo ra dữ liệu tổng hợp chất lượng cao có thể có những ảnh hưởng xa rộng đối với việc phát triển các mô hình AI trong nhiều ngành công nghiệp.

Nghiên cứu từ Đại học Stanford đã giới thiệu một phương pháp mới gọi là "người cộng" cho phép robot bóng gió và nhân bản động tác của con người theo thời gian thực. Hệ thống này sử dụng một camera RGB đơn để ghi lại các chuyển động của con người, sau đó chuyển đổi chúng thành các hành động tương ứng của robot.

Điểm nổi bật của hệ thống này bao gồm:

• Nhân bản động tác của con người theo thời gian thực, bao gồm các tác vụ phức tạp như quyền anh, chơi piano, bóng bàn và nhiều hơn nữa.
• Sử dụng chính sách toàn thân để nhân bản chính xác các chuyển động và tương tác của con người với môi trường.
• Sử dụng các thành phần phần cứng nguồn mở, bao gồm tay robot Inspire Robotics, thân robot Unry Robotics H1, động cơ Dynamixel và webcam Razor.
• Thiết kế hoàn toàn nguồn mở, cho phép dễ dàng nhân rộng và phát triển thêm.

Phương pháp sáng tạo này cho thấy tiềm năng của robot để hòa nhập và bắt chước hành vi của con người một cách tự nhiên, mở đường cho các tương tác người-robot tự nhiên và trực quan hơn. Bằng cách khai thác sức mạnh của việc bóng gió theo thời gian thực, những hệ thống robot này có thể mở rộng khả năng và thích ứng với nhiều tác vụ và môi trường khác nhau.

Phương pháp "người cộng" đại diện cho một bước tiến đáng kể trong lĩnh vực robot, thể hiện sự tiến bộ đáng kể trong việc thu hẹp khoảng cách giữa khả năng của con người và máy móc.

DeepMind và các nhà nghiên cứu từ Đại học Harvard đã tạo ra một con chuột ảo được điều khiển bởi một mạng nơ-ron AI, cho phép họ so sánh hoạt động thần kinh thực và mô phỏng. Công việc đột phá này đại diện cho một bước tiến quan trọng trong việc hiểu các cơ chế phức tạp của não bộ động vật có vú.

Nhà nghiên cứu đã sử dụng học tăng cường sâu để huấn luyện mô hình AI vận hành một mô hình chuột chính xác về mặt sinh học. Bằng cách này, họ đã có thể thu được những hiể