Видеоклип как поверочная задача для нейронки...

А если взять этот клип и подумать, как можно автоматизировать его создание?

Ключевое умение - рисовать картинку по слову - уже продемонстрировали в прошлом году.

Да и тут задача не в том, чтобы рисовать изображение с нуля, а чтобы в динамической картинке, в нескольких кадрах, опознавать предметы, стилистику рисовки. Если фотоаппараты опознают глаза кошек, то почему не опознавать мечи, доспехи, кулаки, курительные трубки?

Соответственно, под мелодию (расстановка пиков ритма по мелодии давно автоматизирована) подбирать фрагменты видео и выстраивать их в цепочки с переходами через предмет, через действие и т.п. 

На монтажном столе программы человек видит несколько вариантов (каждый в своем слое). Может выбрать, совместить, расширить зону поиска и т.п.

Слова для поиска картинок - брать из текста песни. Естественно, потребуется метафорическое прочтение и появятся ползунки с надписью "хоррорность", "батальность" и "эротичность"... / Пелевин подтвердит  /