Генерация, монтаж и анализ видео с помощью ИИ изменят наш мир до неузнаваемости

От подкастов к «агентному видео»

Летом позапрошлого года NotebookLM показал, как ИИ может создавать разговор двух подкастеров на заданную тему. Для Джона Вернера этот пример напоминал о новых версиях теста Тьюринга: отличать разговор с человеком от взаимодействия с нечеловеческой системой становится сложнее. Теперь, по его мнению, подобную перемену принесут инструменты для видео.

Вернер прослушал выпуск подкаста ИИ Daily Brief, в котором Натаниэль Уиттемор обсуждал критерии и сценарии применения «агентного видео» — видео, которое создают и интерпретируют нечеловеческие системы. Среди таких возможностей Уиттемор выделил умение «смотреть или приблизительно смотреть» ролик: понимать его содержание, находить ключевые моменты и оценивать как отдельные части, так и видео целиком.

Модели вроде Opus 5.5 и GPT Astra 6, предполагает Вернер, смогут создавать длинные ролики с согласованным звуком, нарезкой и клипами — так, будто над ними работала команда людей. Звук здесь особенно важен: автор считает, что он поможет новым моделям преодолеть «зловещую долину».

Аватары вместо встреч

В разделе «Your Digital Twin» Вернер рассматривает видеоаватары — реалистичные анимации самих пользователей. Вместо того чтобы выйти к двери в халате, позвонить или встретиться за кофе, человек сможет отправить другу или соседу аватара, который что-то ему скажет. В результате люди, возможно, будут чаще видеть и слышать друг друга через такие посреднические форматы.

Уиттемор также говорит о деловом применении видео. Например, модель может подготовить ролик с основными итогами встречи в Zoom. Это наводит его на вопрос: если встречу не стоит превращать в видео, зачем её проводить — нельзя ли было просто отправить аватаров?

Другой сценарий — многоязычная поддержка. Вместо двуязычного посредника, который переводит телефонный разговор между людьми, не понимающими друг друга, ИИ может обеспечить достаточно точное приближение к переводу — на уровне «трёх девяток», или 99,9%.

Видео вместо чтения

Вернер развивает ещё одну идею Уиттемора: люди, которые не хотят читать, могут посмотреть видео. По мнению автора, сейчас это почти наверняка так. Если руководители не читают отчёты, видео может помочь привлечь их внимание. Но Вернер распространяет эту логику и на художественную и документальную литературу, политические предложения, меню и другие материалы, которые раньше существовали в письменном виде.

Автор предполагает, что аудитория всё чаще будет предпочитать видео, потому что оно лучше привлекает внимание. Он иронично замечает, что от этой перемены Маршалл Маклюэн «крутится в могиле».

За потоком дипфейков, пишет Вернер, может начаться гонка сообщений: вместо текста люди будут получать видео с рассказчиком, которым, возможно, станет чей-то аватар. Люди перестанут читать. Это может улучшить осанку и снять барьеры в общении, но будет выглядеть странно: человек в ролике в действительности не разговаривает — он лишь объяснил системе, как говорить и, в некоторой степени, что сказать.

Автор признаёт, что последствия пока невозможно по-настоящему просчитать, но считает очевидным: яркая видеогенерация сильно изменит мир. По оценке Dataist, в описанных сценариях видео становится одновременно способом создавать контент, передавать сообщения и заменять личное взаимодействие. Но граница между человеком и его цифровым представлением может стать менее заметной, а масштабы перемены пока остаются неясными.