Sora: Geht Social Media vor die KI-Hunde?

Es war still geworden um die KI-Hysterie. Mit Tools von ChatGPT bis Midjourney haben Agenturen, Marken und Medien begonnen, konstruktive Wege zu finden, die lernenden Algorithmen in ihre kreativen Prozesse zu integrieren. Wir waren sogar so weit, dass die ersten Investoren Zweifel anmeldeten, wenn die KI-Startups direkt Milliarden an Fördergeldern haben wollten: "Ist das wirklich so teuer?" fragten die Geldgeber da und "Nein, ich mache es billiger!" riefen die Konkurrenten. Kurz gesagt: Der Markt schien ausnahmsweise mal wirklich etwas zu regeln.

Doch dank dem Star unter den KI-Firmen, OpenAI, haben wir nun einen neuen Hype: Diesmal geht es ums Bewegtbild. Sora   generiert kurze Videos von Astronauten über Hundeclips bis zu einer Herde Mammuts. Die Kritik ist schon laut: Die Astronauten tragen Wollhelme, die Mammuts hinterlassen keine Spuren im Schnee und beim Hundevideo fehlen Details aus der Anweisung. "Alles Kinderkrankheiten" entgegnet der KI-euphorische Teil der Digitalbranche und lässt den Hype um ChatGPT nochmal aufleben. Man könnte sagen: Sora ist quasi die Verfilmung des vorangegangen KI-Hypes in schrägen Kurzclips.

Das wird Folgen haben - aber nur, wenn man nüchtern betrachtet, was KI kann und was Video-KI nicht können wird, kommt man zu soliden Strategien. iBusiness-Analyst Sebastian Halm und Herausgeber Joachim Graf ergründen im nicht-KI-generierten Videopodcast, was reale und was eher unwahrscheinliche Konsequenzen unserer neuen Lieblings-AIpokalypse namens Sora sind.

Eines scheint Sora allerdings auf gar keinen Fall zu sein: Ein Weltensimulator - das eigentliche Ziel der OpenAI-Forschung. Das zumindest wirft KI-Forscher Yann LeCun dem KI-Dickschiff vor. Nun ist er KI-Chef von Meta   - also Konkurrenz. Er argumentiert, dass generative KI-Systeme zwar die Unsicherheiten von (relativ einfachen) Textvorhersagen beherrschen können - nicht aber Pixelwelten. Vor allem deswegen, weil eine generative KI nicht wirklich weiß, was hinter einem Videoobjekt steckt. LeCun hat darum einen eigenen Weltensimulator erfunden. Video Joint Embedding Predictive Architecture (V-JEPA)   soll das dadurch besser machen, indem es statt pixelorientiert objektorientiert arbeitet.

Die wissenschaftliche Diskussion befeuert aber eine weitere Frage: Was passiert in einer Welt, in der die KI nicht nur Texte und Bilder massenweise produziert - sondern auch Videos? Die beiden nehmen sich dieser Frage an - und finden sogar eine Lösung.