🤯⚡️Drivkraften bakåt driver oss framåt

Dina gamla stillbilder blir film, film blir AR/VR. Detta förändrar ju allt!

Det här är nyhetsbrevet där Tomas Seo, innovationsstrateg på Phorecast, avslöjar händelser, upptäckter och ny teknik som får honom att utbrista: Detta förändrar ju allt! Du prenumererar på det här för att fortsätta vara steget före med de senaste trenderna och få konkreta tips för att framtidssäkra dig och din organisation. Har du fått det här av en vän? Då vill du kanske starta en egen prenumeration?

---

Vad har hänt?

-Omvandling av foton till 3D-strukturer och film rasar vidare

Förra året utvecklades området för omvandling av 2D-bilder till 3D-scener. Nästan varje vecka kom rapporter om signifikanta framsteg. Med AI och tekniker som Neural Radiance Fields (NeRF) och Gaussian Splatting kan ett foto förvandlas till ett objekt eller person som vi kan se från alla vinklar. Ett foto på en miljö blir en hel värld som vi kan röra oss i. I början av året var det mest datorspelsutvecklare som var intresserade, men i slutet av året hade även de som jobbar med verktyg för att generera rörliga bilder börjat se möjligheterna.

Mot denna bakgrund har forskare vid New York University och Intel introducerat ”Image Sculpting”, en ny metod för bildredigering som integrerar 3D-geometri och grafik. Denna teknik möjliggör ett mycket mer kontrollerat sätt att förändra 2D-bilder. Först konverteras bilden till 3D för att kunna vridas eller flyttas, sedan konverteras 3D tillbaka till en snygg 2D-bild igen.

2D till 3D möjliggör också bättre generativa videotjänster. Bildtjänsten Midjourney har varje vecka Office Hours, en offentlig dragning där chefen David Holz svarar på frågor och berättar om vad de jobbar med. De senaste månaderna har han återkommit till att 3D-objekt är något de forskar på och att det hör ihop med hur de tänker skapa rörliga bilder. David har sagt att Midjourney ska visa upp sin videotjänst om några månader. Releaser från Midjourney har dock ofta blivit senare än vad David brukar estimera, men på text-to-video finns det nu så hög konkurrens att det förmodligen blir ett prioriterat område.

Image Sculpting är en viktig nyckel i hur kommande processer för att skriva en text för att automatiskt generera en långfilm eller VR-värld kommer att fungera.

Detta förändrar ju allt

Jag har följt det här området och tycker att det är jättespännande. Men det är lite geekigt. Det är för tekniskt och nyttan av att ta bilder och göra om dem till objekt man kan snurra på är inte särskilt uppenbar. Ända tills jag stötte på Wist, en AR/VR-app (nä sluta inte läsa det blir bra). Wist labs utvecklar ett sätt att återuppleva sina minnen. Deras demofilmer visar på en potential i ett användningsområde som jag inte riktigt hört någon prata om, nämligen nostalgi.

Vi tar massor av bilder och filmer dagligen numera. För att dokumentera, för att minnas, för att kunna återuppleva. Våra digitala kamerarullar svämmar över och en av de största anledningarna till att bred allmänhet köper molnlagring är för att bevara foton. Trots detta är det VR-gaming som lyfts fram för att få Metaverse att bli en grej. Varje pryl behöver en killer app, det är etablerat sedan gammalt. Du köpte inte en hemdator på 80-talet, du köpte ett sätt att kunna använda kalkylblad. Smartphonens killer app var inte att du kunde ringa med den, det var att du kunde googla. Numera är det kameran som gör att du känner att du behöver byta telefon. Men VR-headseten har famlat efter vad killer app är för massmarknaden. 

Jag själv har ett Meta VR-headset som används för att spela med varannan månad kanske. Så jag har inte känt något supersug för att köpa Apples skidglasögon. Fast när jag stötte på Wist så insåg jag att det enda som faktiskt fått mig att gå igång lite på Apples pryl är att jag skulle vilja ta VR-filmer på barnen för att kunna se dem igen när de blivit äldre. Eller för att erbjuda möjligheten för barnen att se sig själva som små med mina ögon när de blivit äldre. Vad Wist gör, och som jag gissar att alla andra kommer haka på, är att de låter dig lappa ihop dina VR-filmer med verkligheten så du kan gå omkring i ditt rum och till exempel se din gamla mamma sitta i soffan där ni brukade sitta. Du kan gå och sätta dig bredvid henne. Men än så länge måste du ha tagit VR-filmer med Apples eller Wist egna system.

Det är här som AI och Gaussian Splatting kommer att fylla i hålen. Varje dag kommer närmare att ett enda stillbildsfoto kan bli en interaktiv 3D-långfilm. Haley Joel Osment kommer kunna “see dead people”, Demi Moore kommer kunna dreja med spöken och du kommer kunna återuppleva din barndom med endast ett par AR/VR goggles matade med några få gamla foton. Första versionerna kommer att kännas som Wist gör idag, lite spöklikt med artefakter och konstiga skuggor. Men ge det några år så kommer illusionen av att du är tillbaka i det förgångna vara mycket realistisk. 

Drar vi ut utvecklingen lite längre så behöver vi ju inte stanna i att vi går omkring i det förgångna som passiva vålnader. Det mer troliga är ju att röster från personerna i våra gamla filmer röstklonas så de kan fortsätta prata längre än filmsnutten vi tog. Data från våra chattkonversationer och videos paras ihop till personligheter. Så vi går från att bara kunna loopa våra minnen till att leva i dem. Då kommer vi på riktigt kunna återuppleva vår barndom. Men det här är några år bort.

I den närmaste framtiden kommer integreringen mellan 2D och 3D att accelerera utvecklingen av kontroll. Nästan alla som börjar med generativ AI för bilder börjar med att försöka få till något som de vet hur det ser ut för att sedan bli besvikna. De laddar upp en bild på något och vill ha en nästan likadan bild tillbaka. Eller skriver in vad de vill se i bilden i detalj och bli besvikna på att deras noggranna instruktioner inte alls följs. Den mest efterlängtade funktionen för generativ AI för bilder är consistent characters. Om du laddar upp en bild på en person som du vill att AI ska animera så den springer (image-to-video) så vill vi i de allra flesta fall inte att den personen samtidigt som den springer förvandlas åtskilliga gånger till en annan person. Vilket är dagsläget för även de bästa image-to-video om de genererar längre klipp.

Det är fascinerande att fundera över hur gränsen mellan det förflutna och nutid kommer suddas ut i framtiden. Vi kommer att ha möjligheten att inte bara återuppleva utan också interagera med våra minnen på sätt som vi tidigare endast har skrivit scifi om. Denna förmåga öppnar också upp för ett helt nytt sätt att förstå och uppleva vår egen historia. Jag är övertygad om att det här kommer att vara en stark drivkraft för alla techbolag att skynda ännu snabbare. Människans vilja att leva i det förgångna accelererar oss snabbare in i framtiden, och detta förändrar ju allt.  

Vad kan du göra idag?

Förstå

Nostalgi var klassat som en psykisk sjukdom för 200 år sedan. Idag ser forskare det som en process att söka stöd och tröst. Evolutionärt förbättras minnets effektivitet när det belönas med känslor och sociologer anser att det stärker grupptillhörighet och social identitet. Oavsett perspektiv så behöver du förstå att nostalgi är en mycket stark emotionell drivkraft. I takt med att AR/VR-goggles blir mer som vanliga glasögon så kommer behovet av att resa bakåt i tiden att öka kraftigt. På samma sätt som smartphones gjort fler människor till regelbundna fotografer så kommer lättillgängligt AR/VR att göra fler människor till regelbundna nostalgiker. Det kommer finnas de som ägnar det mesta av sin fritid åt att gräva ner sig i sitt eller andras förflutna. 

Planera

Två saker:

AR/VR är som en katt med 9 liv. Drömmen om att besöka andra platser och andra tider är för stark för att det ska försvinna trots otaliga misslyckade och missriktade lanseringar. Tekniken har definitivt inte hittat en tillräckligt bred killer application. Var du early adopter för några år sedan så vet du att det är dyrt att skapa VR-upplevelser, men det du måste förstå är att AI dramatiskt kommer sänka produktionskostnaderna för VR-upplevelser. Det är dock fullt möjligt att den största tiden som människor använder AR/VR faktiskt kommer handla mer om att skapa sina egna upplevelser. Så om din organisation vill hoppa på AR/VR igen, överväg att skapa resurser och verktyg för att få fler att kunna skapa något istället för att själv bygga upplevelser som bara ska konsumeras. Planera för att bli killer app istället för att bli en till plattform.

Om vi lämnar AR/VR och bara funderar över nostalgi som drivkraft för framtiden. Tänk på att alla varumärken som pratar om AI behöver inte jobba med framtiden som huvudtema. Det var förra året. Fundera istället över hur ökat intresse för det förflutna skapar möjligheter för din organisations kommunikation eller erbjudande.

Gör

Har du själv testat de senare versionerna av VR? Har du i så fall testat att bara besöka andra riktiga platser i VR? Om inte be en kompis om ett studiebesök i deras headset, det går faktiskt inte att bortse från att det är häftigt när man väl gör det. Om du redan har ett headset kan du ställa dig i kö till Wistlabs https://wistlabs.com/ för att få en bättre känsla för hur det kommer att vara när du lätt kan besöka dina egna minnen i VR eller AR.

Länkar

Nyheten om Image Sculpting
https://www.marktechpost.com/2024/01/11/nyu-and-intel-researchers-introduce-image-sculpting-a-new-artificial-intelligence-framework-for-editing-2d-images-by-incorporating-tools-from-3d-geometry-and-graphics/

Vetenskapliga artikeln om Image Sculpting
https://arxiv.org/abs/2401.01702

Titta på några Gaussian Splatts
https://poly.cam/tools/gaussian-splatting

Är du lite mer nördig så förklarade Two Minute Paper Gaussian Splatting forskningen bakom när det kom https://www.youtube.com/watch?v=TLK3TDDcJFU&t=4s&ab_channel=TwoMinutePapers

CSM 3D är ett exempel på ett gratis verktyg där du kan ladda upp en 2D bild och få ett 3D objekt tillbaka. (Det finns jättemånga olika, men jag har inte haft något användningsområde för den här tekniken så jag testar inte dessa rutinmässigt)
https://3d.csm.ai/

Till dess att Midjourney fixar consistent characters så kan vi testa lite nya konkurrenter. Artflow har gjort en intressant process för hur de tänker att du skapar konsekventa karaktärer först och sedan använder dem i scener https://artflow.ai

Jag fick en fråga om hur bildbyråer tänker kring sina fototjänster och AI när jag föreläste för betalande prenumeranter förra veckan. Här visar iStock hur de tänker sig att man vill erbjuda mer kontroll över bilder när de lanserar sin nya tjänst tillsammans med NVIDIA https://blogs.nvidia.com/blog/nvidia-picasso-istock-generative-ai

Sedan sist vi hördes

Jag skrev ju om EU Act när det bara var ett förslag  och planerade ett uppföljande nyhetsbrev den här veckan men när jag gick igenom EU Act ordentligt så insåg jag att det var ganska lite att säga om det. I princip förbjuder det endast användningsområden som är filmskurk-onda. Allt annat är mer lösa riktlinjer som bör följas men inte förbjudas (såvida inte något av EUs medlemsländer övertolkar det). I nuläget bedömer jag det som att ingen organisation jag någonsin stött på skulle komma på att använda AI på så lömska sätt som förbjuds av EU Act. Förslaget är skrivet som ett ramverk som gör det lätt att uppdatera när tekniken utvecklas (lätt för att vara en EU-grej i alla fall). Jag förväntade mig att det skulle vara mer hindrande och ogenomtänkt, men det var inte vad jag fann. Hur det blir med Sverige och de andra medlemsländernas tillämpning av EU Act återstår förstås att se. 

När jag skrev om OpenAI:s släpp av GPTs så sa de ju att det skulle komma en GPT Store, och nu är den här. De ska släppa revenue sharing (likt Spotifys modell) så om din GPT blir mycket använd så kan du tjäna pengar. Till att börja med bara i USA. Än så länge går det att se innehållet i de allra flesta GPTs och de som visas först i GPT Store har ganska lite arbete nedlagt på prompterna. Det känns bra att det är så lätt att få transparens i modellerna för att veta vad de gör, men det känns svårt att se att det här är en långsiktig affär. Varumärken borde ta tillfället i akt och göra GPTs för att ranka i GPT Store, men det skrev jag ju om när det släpptes.

Dagens nyhetsbrev blev inte heller ett nyhetsbrev om CES 2024. Även om det var non-stop nyheter därifrån förra veckan så kändes det inte så nyhetsvärdigt. Det som fick genomslag hos mig var robotarna. Många av de stora varumärkena släpper robotar för hemmabruk och hushållsarbete. De flesta kommer med inbyggd AI och alla förväntar sig att de kommer kunna hjälpa till med lite mer blandade uppgifter inom en snar framtid. Drivkraften att förverkliga Jetsons robot-hushållerska håller ingenjörerna sysselsatta. Men jag har ingen specifik som jag känner att jag villhöver än.

I måndags släppte Microsoft Co-Pilot för privatpersoner. https://www.microsoft.com/sv-se/microsoft-365/business/copilot-for-microsoft-365

Dessutom tar de bort minimigränsen på 300 licenser för företag och organisationer kan nu köpa styckvis licenser för $30/månad enligt Verge
https://www.theverge.com/microsoft-copilot-pro-office-ai-apps Det här är en viktig nyhet då det blir många organisationers sätt att tillåta användning av generativ AI för dagliga uppgifter.

Är du en insiktsdelare?

Känner du någon som är intresserad av hur nostalgi kommer förändra vår framtid? Eller kanske någon som är intresserad av nya möjligheter med AR/VR? Vem tänkte du på? Skicka vidare!

Förra veckan körde jag en dragning för betalande prenumeranter. Vill du få en inbjudan nästa gång så får du gärna också bli betalande medlem. Jag lägger numera ungefär två arbetsdagar i veckan på varje nyhetsbrev. Detta inkluderar research, källgranskning och testning av nya tjänster. Så tycker du att kvalitén på det här nyhetsbrevet är acceptabel så prenumerera gärna så att jag kan motivera den nedlagda tiden. ($4.50 i månaden om du köper årsabonemang)

Tomas Seo

Har du fått dagens nyhetsbrev utan att vara prenumerant?
Gillade du det här och vill ha mer så är det bara att skriva upp sig här
(du väljer själv om du vill betala):