Odyssey , стартап, заснований піонерами безпілотних автомобілів Олівером Кемероном та Джеффом Хоуком , розробив модель штучного інтелекту, яка дозволяє користувачам «взаємодіяти» із потоковим відео.
Модель, доступна в інтернеті в «ранній демонстрації», генерує та транслює відеокадри кожні 40 мілісекунд. За допомогою базових елементів керування глядачі можуть досліджувати області відео, подібно до 3D-рендерингу відеогри.
«Враховуючи поточний стан світу, вхідну дію та історію станів і дій, модель намагається передбачити наступний стан світу», – пояснює Odyssey у своєму блозі . «В основі цієї моделі лежить нова модель світу, яка демонструє такі можливості, як генерація пікселів, що відчуваються реалістично, підтримка просторової узгодженості, навчання діям з відео та виведення узгоджених відеопотоків протягом 5 хвилин або більше».
Низка стартапів та великих технологічних компаній женуться за світовими моделями , зокрема DeepMind , World Labs впливового дослідника штучного інтелекту Фей-Фей Лі , Microsoft та Decart . Вони вважають, що світові моделі одного дня можна буде використовувати для створення інтерактивних медіа, таких як ігри та фільми, а також для запуску реалістичних симуляцій, таких як навчальні середовища для роботів.
Але у творчих людей неоднозначні почуття щодо цієї технології. Нещодавнє розслідування Wired показало, що ігрові студії, такі як Activision Blizzard, яка звільнила десятки працівників, використовують штучний інтелект для економії коштів та боротьби з відтоком кадрів. А дослідження 2024 року , замовлене Гільдією анімації, профспілкою, що представляє голлівудських аніматорів та карикатуристів, підрахувало, що понад 100 000 робочих місць у сфері кіно, телебачення та анімації в США будуть зруйновані через штучний інтелект у найближчі місяці.
Зі свого боку, Odyssey зобов’язується співпрацювати з креативними професіоналами, а не замінювати їх.
«Інтерактивне відео… відкриває двері до абсолютно нових форм розваг, де історії можна створювати та досліджувати на вимогу, вільних від обмежень та витрат традиційного виробництва», – пише компанія у своєму блозі. «З часом ми вважаємо, що все, що сьогодні є відео – розваги, реклама, освіта, навчання, подорожі тощо – перетвориться на інтерактивне відео, і все це на базі Odyssey».
Демонстраційна версія Odyssey дещо недопрацьована, що компанія визнає у своїй публікації. Середовища, які генерує модель, розмиті та спотворені, а також нестабільні в тому сенсі, що їхні макети не завжди залишаються однаковими. Пройдіть деякий час в одному напрямку або поверніться, і навколишнє середовище може раптово виглядати інакше.
Але компанія обіцяє швидко вдосконалити модель, яка наразі може передавати відео зі швидкістю до 30 кадрів на секунду з кластерів графічних процесорів Nvidia H100 за ціною від 1 до 2 доларів за «користувацьку годину».
«Забігаючи вперед, ми досліджуємо багатші репрезентації світу, які набагато точніше відображають динаміку, одночасно збільшуючи часову стабільність та стійкий стан», – пише Odyssey у своїй публікації. «Паралельно ми розширюємо простір дій від руху до взаємодії зі світом, вивчаючи відкриті дії з великомасштабного відео».
Odyssey використовує інший підхід, ніж багато лабораторій штучного інтелекту в сфері моделювання світу. Вона розробила систему камер на 360 градусів, що кріпиться до рюкзака, для зйомки реальних ландшафтів, яка, на думку Odyssey, може слугувати основою для моделей вищої якості, ніж моделі, навчені виключно на загальнодоступних даних.
На сьогодні Odyssey залучила 27 мільйонів доларів від інвесторів, включаючи EQT Ventures, GV та Air Street Capital. Ед Кетмалл, один зі співзасновників Pixar та колишній президент Walt Disney Animation Studios, входить до ради директорів стартапу.
У грудні минулого року Odyssey заявила, що працює над програмним забезпеченням, яке дозволить творцям завантажувати сцени, згенеровані її моделями, в такі інструменти, як Unreal Engine, Blender та Adobe After Effects, щоб їх можна було редагувати вручну.