کمپانی Runway، مدل معروف ویدیو و تصویرساز مبتنی بر AI، از نخستین «مدل جهان» (World Model) به نام GWM-1 رونمایی کرد؛ مدلی که هدف آن شبیهسازی رفتار واقعی جهان، فیزیک، نور و تعاملات پیچیده در طول زمان است.
جدیدترین اخبار تکنولوژی هوش مصنوعی و شبکههای اجتماعی را در نامبرلند بخوانید.
براساس گزارش TechCrunch، رانوی اعلام کرده است که GWM-1 از روش پیشبینی فریمبهفریم استفاده میکند و میتواند درک پیوستهای از تغییرات محیط، حرکت اشیا و قوانین فیزیکی داشته باشد.
مدل جهان چیست و چرا اهمیت دارد؟
مدل جهان (World Model) نوعی سیستم هوش مصنوعی است که یک شبیهسازی درونی از نحوه کار جهان واقعی میسازد. چنین مدلی بدون نیاز به آموزش روی تمام سناریوهای ممکن، میتواند استدلال، برنامهریزی و تصمیمگیری انجام دهد. این رویکرد برای آموزش عاملهای هوشمند، بهویژه در حوزههایی مانند رباتیک و علوم زیستی، اهمیت بالایی دارد.
Runway میگوید GWM-1 نسبت به نمونههایی مانند Genie-3 گوگل عمومیتر طراحی شده و توانایی استفاده در دامنههای متنوعتری را دارد.
سه نسخه متفاوت از GWM-1
Runway همزمان سه نسخه تخصصی از این مدل را معرفی کرده است: ا نوشتن یک پرامپت یا بارگذاری تصویر مرجع، یک جهان قابل کاوش بسازند
- GWM-Worlds: یک اپلکیشن تعاملی است که میتوانید با نوشتن یک پرامپت یا بارگذاری تصویر مرجع، یک جهان قابل کاوش بسازید؛ این مدل درک دقیقی از هندسه، فیزیک و نورپردازی دارد.
2. GWM-Robotics: این مدل متمرکز بر تولید دادههای مصنوعی پیشرفته برای آموزش رباتها است؛ شرایطی مانند تغییر آبوهوا، موانع غیرمنتظره و سناریوهای پیچیده بهصورت شبیهسازیشده ایجاد میشوند.
3. GWM-Avatars: این بخش روی ساخت آواتارهای انسانی واقعگرایانه تمرکز دارد تا رفتار انسانها شبیهسازی شود. پیشتر شرکتهایی مانند Synthesia، D-ID و حتی گوگل در این حوزه فعالیت داشتهاند.
رانوی اعلام کرده است که این سه مدل فعلاً جداگانه هستند، اما در نهایت در قالب یک مدل واحد ادغام میشوند.
ارتقای Gen 4.5؛ صدا، دیالوگ و روایت چندصحنهای
در کنار معرفی مدل جهان، Runway نسخه جدیدی از Gen 4.5 را منتشر کرده است. مهمترین تغییر این نسخه، افزودن صوت بومی و پشتیبانی از تولید ویدیوهای چندصحنهای بلند است.
- ویدیوهای یکدقیقهای با ثبات کاراکتر
- دیالوگ طبیعی و صدای پسزمینه
- نماهای پیچیده از زوایای مختلف
- امکان ویرایش صدا
- ایجاد دیالوگ
این بهروزرسانی، Gen 4.5 را به رقیبی جدی برای پلتفرمهایی مانند Kling تبدیل میکند و نشان میدهد مدلهای ویدیویی از مرحله آزمایشی عبور کردهاند.
حرکت Runway بهسمت مدلهای جهان نشان میدهد آینده هوش مصنوعی فقط به تولید تصویر و ویدیو محدود نمیماند و بهسمت شبیهسازی واقعیت و آموزش ایجنتها پیش میرود؛ بهطور مثال همکاری OpenAI و دیزنی هم نشان میدهد که قرار است ساخت ویدیوها به خلق تجربههای واقعی و دلخواه کاربر تبدیل شوند.
