Тест «Как нейросеть создаёт видео»: ответ и разбор по шагам

Нейросеть не «рисует видео сразу». Она переводит текст в числа, по ним постепенно собирает кадры из шума и следит, чтобы кадры складывались в движение, а не в набор отдельных картинок.

Это ответ на вопрос из теста «Как нейросеть создаёт видео по тексту». Я задал его нейросети LibraChat от лица девятиклассника и прочитал ответ так, как читаю работу ученика. Две фразы выше уже годятся как ответ на тест.

Но если выучить только эти две фразы, на первом же уточняющем вопросе учителя ответ рассыплется.

Запрос, который дал этот ответ

Я написал так, как написал бы ученик перед тестом:

Готовлюсь к тесту по информатике, там есть вопрос «Как нейросеть создаёт видео по тексту». Объясни мне, девятикласснику, по шагам, как это устроено, а в конце помоги сформулировать ответ своими словами в трёх-четырёх предложениях.

Класс и формулировку вопроса замени на свои: в разных тестах его пишут по-разному. Два куска запроса я бы оставил как есть. «По шагам» не даёт ответу свернуться в одну общую фразу про «искусственный интеллект». «Своими словами в трёх-четырёх предложениях» задаёт объём, который реально запомнить и пересказать у доски.

Запрос целиком можно вставить в чат LibraChat: нейросеть объясняет темы и разбирает вопросы по шагам. Пришло четыре шага, короткий итог и абзац для ответа.

Шаг первый: слова превращаются в числа

Первый шаг объясняет, откуда нейросеть вообще знает, что рисовать:

Она превращает слова в набор чисел — смысл, а не буквы.