你说过的话，他忘了，但是 Sora 和 ChatGPT 都记得丨傻瓜 AI 探险家

开工大吉！欢迎光临「傻瓜 AI 冒险家」专栏的第四期，我们主打普通人也能看懂的 AI。

过完年，我爸突然跟我说：「我今天发现这个豆包很好玩，她什么都知道！ 」（豆包是字节跳动旗下的 AI 对话应用）。我的第一反应是，这么快就传到长辈这一环了？果然字节系的传播基因一如既往的强大。豆包和其他的中文 AI，我们计划本周会在视频中做一点讲解，敬请期待！

这个专栏还是更关注前沿的 AI 应用，让我们继续每周的魔法之旅，本周的震撼弹必须是：OpenAI 的 Sora 模型。

本期目录：

• 魔法思维盆：脑海里有，Sora 就有
• 汤姆 · 里德尔魔法日记：ChatGPT 开始有记忆
• 猫头鹰信件：贺卡 GPT
• 麻瓜错误：不要尝试让 GPT 用左手写字！

魔法思维盆：脑海里有，Sora 就有

在魔法世界里，记忆高深的魔法师，比如邓布利多，可以用魔杖从太阳穴拉出一根绵长的银丝，再置于石盆中，化成可以跳进去沉浸式体验的「记忆」。第一次看这个情节，我就觉得，如果大脑里想到的东西，可以这样方便地有选择性地还原出来，呈现给其他人，一定是一件非常有趣的事。当 OpenAI 拿出 Sora 模型，好像这件事已经要实现了。

Sora 是发布 ChatGPT 的公司 OpenAI 最新发布的一个「文字生成视频」的模型，与以往其他的 AI 视频模型不同，Sora 可以根据用户提供的文字描述生成最长达 1 分钟的高清视频，也就是你想到了什么，告诉它，它就帮你「实现」。Sora 生成的可以是常规的单个画面视频，也可以是有切分的多视角/多画面视频，并且画面非常流畅稳定，人物/主体对象没有畸变，还包含复杂的镜头调度。不过目前放出的 demo 长度都在 20 秒以内，还看不出如果长度增加之后画面还能不能保持这么稳定。另外和其他 AI 生成视频一样，Sora 生成的视频也是没有声音的，需要额外配音。

除了基本的「文生视频」功能，Sora 还能够生成高清图像（2048 x 2048）、使静止的图片动起来（图片转视频）、向前或向后延长视频（AI 补全）、对已有的视频做出调整/改变（比如更换背景，具体请见如下汽车视频截图示例），以及将两个视频巧妙地连接起来（在视频之间形成顺滑合理的过渡）等。

使用方面，目前 OpenAI 没有公布向公众开放 Sora 的计划，应该是要进行进一步的评估和优化。OpenAI 表示该模型目前已开放给 Red Teamers（指在信息安全领域中专门进行攻击性操作和模拟敌对行动的专家）来评估这项技术可能带来的危害或风险。同时，OpenAI 也筛选了部分视觉艺术家、设计师和电影工作者来收集使用反馈，目前 Twitter 上已经有非常多受邀人士发布了自己的作品。

尽管 Sora 最大的特点是「模仿现实」，能够生成非常「真实」的视频画面，但目前 Sora 模型也存在明显的弱点，比如它可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系，比如，一个人咬了一口饼干，但之后视频里的饼干却没有咬痕。它还可能混淆空间细节，例如混淆左右，并且可能难以精确描述随着时间推移发生的事件，例如遵循特定的相机轨迹。

不过，Sora 目前出现的错误其实大部分人并不能马上看出来，已经达到了所谓「混淆视听」的能力。例如在官方放出的 demo 当中，有一个猴子下棋的视频（见下图），看起来栩栩如生，但是它的棋盘和棋子其实是不完全符合现实中的棋盘和棋子的模样/规则的。这不得不让人有些担心，就像 ChatGPT 回答问题的时候经常「胡编乱造」一样，如果 Sora 开放给公众使用，出现一系列真实程度不明的视频，可能也很容易误导受众，这时候就体现出上周提到的「Facebook 标记 AI 生成内容」的重要性。

汤姆·里德尔魔法日记：ChatGPT 开始有记忆

魔法世界里不仅有能自己写字的笔，还有能跟记忆对话的「魔法日记」，它属于小时候的伏地魔——汤姆 · 里德尔。当罗恩的妹妹金妮开始在日记上写自己的心情的时候，汤姆就在纸面上「复活」了。

如果这个写日记的人是你自己，而你可以跟自己的记忆对话，这种感觉是不是也很妙？

OpenAI 称本周将对部分用户开放 ChatGPT 的「记忆」功能，但没有透露更大规模应用的时间表。使用此功能的用户可以自主选择是否让聊天机器人「记得」他们在对话当中透露的信息，比如家里有几个人、喜欢旅行、写 Summary 需要特定格式等……或者也可以直接告诉 ChatGPT 希望它「记得」某些信息，或者「忘记」某些信息。这样用户就不需要每开一次新的对话窗口就重复一遍信息了，能够节省很多时间，同时也对自己的信息有直接的控制权。

OpenAI 举了一些例子来说明「记忆」功能的实用性，比如，如果你告诉 ChatGPT 你拥有一家咖啡店，那么下次当你向 ChatGPT 询问有没有什么好的社媒点子来庆祝一个新店开张的时候，它就会知道也许是你提过的这家咖啡店开张了。又比如，如果你说过家里有一个婴儿非常喜欢水母，那么下次当你问它能不能帮忙生成一张给宝宝的生日贺卡时，它就会记得在贺卡上放一些水母元素。

嗯，听起来是一个非常贴心的小秘书。

其实当前 ChatGPT 在去年 7 月份已经发布过一个叫「Customize ChatGPT」的功能，允许 Plus 版本的用户「自定义」他们的 ChatGPT，让聊天机器人记得一些基本信息，比如对用户的称呼、用户在什么地点、用户的工作内容和爱好、希望 ChatGPT 答复的语气和长度等，不过这都是用户主动输入并且可以随时修改的信息。比如当我输入了「请叫我 Stella」以及「我有一只柯基叫椰子」这些信息之后，ChatGPT 就会在对话中使用这些信息，当我提到「我的狗」，它就「知道」是「椰子」（见下图）。OpenAI 表示这个功能在「记忆」功能开放之后也将继续发挥作用。

此外，GPT 商店中的个性化 GPT 也将享有「记忆」功能，这也将带来许多便利，比如，如果你在用一个推荐书籍或者电影的 GPT，那么 GPT 就会记得你的喜好，以及你跟它说过你曾经看过什么书或者影片，让推荐更精准。

ChatGPT 想像中的实体 GPT 商店。

不过，坏处当然是很多用户会担心的隐私问题，不过 OpenAI 表示，这个功能用户是可以自主决定开关的，并且他们也可以直接要求机器人「抹去」某次对话的内容。功能开启之后，用户也可以使用「临时对话」模式，这个功能不会调用「记忆」，也不会创建「记忆」。

猫头鹰信件：贺卡 GPT

在霍格沃茨，每年圣诞，当哈利、罗恩和赫敏坐在大礼堂里吃早餐的时候，就会有一大群猫头鹰带着礼物从头顶飞来，丢下各种魔法信件和包裹，有些信件还会说话，非常有爱。本周我们在 GPT 商店发现的这个贺卡 GPT（全称 Artful Greeting AI Cards），就很有这种温馨的感觉。

虽然已经复工了，但不到正月十五就还是年！于是我尝试用这个 GPT 生成了两张龙年贺卡，选择了极简风，发现效果竟然非常不错，而且它是第一个能够完整地把我提供的文字「To Dad. Happy New Year!By Stella」完整地妥当地放到图片上 GPT。当然中文字还是无能为力，它只能自动翻译成英文再放上去。

再来两张情人节卡片！这次选择的是流行文化风格，左图我嫌太幼稚了，GPT 就生成了右图。

使用方法是在 GPT Store 的首页找到这个应用，然后在输入框中告诉 GPT 你想要的贺卡适用的场合、主题、风格和你想放上去的文字，如果你不确定的话，也可以让 GPT 给你一些选择。

麻瓜错误：不要尝试让 GPT 用左手写字！

又到了 AI 犯错的「麻瓜时刻」，本周要讲的这个依然是生成图像时的错误。

不知道你有没有发现，ChatGPT 有一些总是无法办到的事情，比如接下来要说的这三件：它无法生成「左手写字」的图像，无法生成「任意时间」的钟表，也无法生成「两只眼睛在同一边」的人。

当我尝试让它生成左手写字/吃饭/打篮球的图像时，它总是假装它生成的是左手，但其实图像里永远还是在用右手。

更有趣的是，当我让 GPT 生成一张小朋友正在辨认自己的左右手的图片，并且要求它在图上标注左右时，它生成的图像中左和右指向的是同一个方向。

第二件事，当我让它生成圆盘时钟时，无论我输入什么时间，它生成的永远是十点十分。据说这是因为大部分的时钟广告当中展示的「时间」都是十点十分，因为这样时针和分针会形成一个有趣的「V」字形状，视觉上更平衡和愉悦；另外，钟表的 logo 一般都会在「12」下面，十点十分的时候 logo 正好在正中间，能得到最好的展示。也许是 GPT 过多地「学习」了这些钟表的图片，所以默认钟表时间都是十点十分？

最后，ChatGPT 无法生成眼睛长在同一边的人，也无法生成嘴巴长在额头上的人，以此类推。这似乎比较好理解，毕竟现实中也没有这样的人，影视作品中也很少，AI 没有数据可以借鉴，也无法理解。

以上就是过去一周有趣的 AI 应用见闻，希望我们能更快地进入那个如魔法一样的世界。好好工作，我们下期再见！