एआइ सर्वाणि वस्तूनि "उत्पादयितुं" शक्नोति वा ?
2024-08-29
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
सोरा इत्यस्य जन्मनः अर्धवर्षेण अनन्तरं तस्य "चुनौत्यं" क्रमेण आगतवन्तः, एन्विडिया अपि, यः "प्रतीक्षितुं न शक्तवान्" "न गृह्णीयात्" च, सः व्यक्तिगतरूपेण समाप्तः
एतावता सोरा केवलं डेमो विमोचितवान् अस्ति तथा च उपयोगाय उद्घाटितः नास्ति, यदा तु कुआइशौ केलिंग्, ज़िपु किङ्ग्इंग्, विडु च अनुभवस्य द्वारं उद्घाट्य जनसामान्यं यावत् अग्रणीः अभवन्
यद्यपि "एक-क्लिक्-जननस्य" प्रथमः अनुभवः सिद्धः नास्ति तथापि सामग्री-उद्योगे वसन्त-जलस्य कुण्डं प्रेरितवान् । अस्माकं परितः बहवः लघुनाटकाः, विज्ञापनाः, एनिमेशनाः च एआइ इत्यस्य उपयोगं "दक्षतासाझेदार"रूपेण कर्तुं आरब्धाः । कृत्रिमबुद्धिजननप्रौद्योगिकी, बहुकालपूर्वं विन्सेन्टियनचित्रेभ्यः आरभ्य अद्यतनविन्सेन्टियनविडियो, तुशेङ्गविडियो, विडियोजनितवीडियो च यावत्, "aigc ब्रह्माण्डस्य" विस्तारः निरन्तरं भवति
चीनी पौराणिककथासु एआइ "जादूकलम मा लिआङ्ग" अस्ति वा? कियत् कल्पनाशक्तिं सृजनशीलतां च सजीवं कृत्वा चलितुं शक्नोति ?
"wensheng video", कथं "जीवितव्यम्"।
"वेनशेङ्ग् विडियो एकः ब्लॉकबस्टरः अस्ति।"
संक्षेपेण विडियो जनरेशनं पाठं चित्रं च इत्यादीनां बहुविधनिवेशानां विडियोसंकेतेषु परिवर्तयितुं जननात्मककृत्रिमबुद्धिप्रौद्योगिक्याः उपयोगं करोति ।
सम्प्रति विडियोजननस्य मुख्यौ तान्त्रिकमार्गौ स्तः । एकं प्रसारणप्रतिरूपं, यत् द्वयोः वर्गयोः विभक्तम् अस्ति, यथा मेटा इत्यस्य emuvideo, tencent इत्यनेन प्रक्षेपितः videocrafter इत्यादिः प्रसारणप्रतिरूपः, यः transformer आर्किटेक्चर इत्यस्य आधारेण भवति यथा openai इत्यस्य sora , kuaishou इत्यस्य keling ai, shengshu technology इत्यस्य vidu इत्यादयः । अन्यः स्वप्रतिगमनमार्गः, यथा गूगलस्य videopoet, phenaki इत्यादयः ।
२०२४ तमे वर्षे जुलैमासस्य २६ दिनाङ्के चीनीयप्रौद्योगिकीकम्पनी ज़िपु एआइ इत्यनेन स्वविकसितं कृत्रिमबुद्धि-जनितं विडियो-माडलं qingying (ying) इति वैश्विक-उपयोक्तृभ्यः विमोचितम् । चित्रे उपयोक्तृप्रवेश-अन्तरफलकं दृश्यते
सम्प्रति, transformer आर्किटेक्चरस्य आधारेण प्रसारणप्रतिरूपं विडियोजननप्रतिमानानाम् मुख्यधाराविकल्पः अस्ति, यत् "dit" इति अपि ज्ञायते (di diffusion इत्यस्य संक्षिप्तनाम, t इति transformer इत्यस्य संक्षिप्तरूपम्)
"diffuse" इति पाठः विडियोरूपेण? "अत्र प्रसारः एकस्याः मॉडलिंग्-पद्धतिं निर्दिशति, पेकिङ्ग् विश्वविद्यालयस्य सूचना-इञ्जिनीयरिङ्ग-विद्यालये सहायक-प्रोफेसरः, डॉक्टरेट्-पर्यवेक्षकः च युआन् ली इत्यनेन एकं सजीवम् उदाहरणं दत्तम् - - इति ।
यदा माइकेलएन्जेलो डेविड् इत्यस्य प्रसिद्धं प्रतिमां उत्कीर्णं कुर्वन् आसीत् तदा सः एतत् अवदत् यत् शिल्पं मूलतः शिलायां आसीत्, अहं केवलं अनावश्यकं भागं अपसारितवान्। "एतत् वाक्यं 'प्रसारस्य' प्रतिरूपणप्रक्रियायाः सजीवरूपेण वर्णनं करोति। मूलशुद्धः कोलाहलस्य भिडियो अउत्कीर्णशिला इव अस्ति। एतत् विशालं शिलाखण्डं कथं ठोकयित्वा अतिरिक्तभागं यावत् समोच्चरूपेण न पातयितव्यं तावत् यावत् the clear 'david', this way is 'diffusion'" इति युआन् ली अवदत्।
युआन् ली इत्यनेन अग्रे व्याख्यातं यत् "ट्रांसफॉर्मरः एकः तंत्रिकाजालः अस्ति यः 'स्केल नियमस्य' अनुसरणं करोति तथा च शिलाभङ्गस्य प्रक्रियां करोति । एतत् निवेशस्थान-काल-सूचनाम् संसाधितुं शक्नोति, तस्य आन्तरिकजटिलसम्बन्धान् अवगत्य वास्तविकजगत् अवगन्तुं शक्नोति, तथा च सक्षमं कर्तुं शक्नोति model to have reasoning capabilities.
"दक्षता भागीदारः", कियत् शीघ्रम्
एकः भोला ध्रुवऋक्षः अलार्मघटिकाद्वारा जागृतः, स्वस्य सामानं सङ्गृह्य, हेलिकॉप्टरं गृहीत्वा, उच्चगतिरेलयाने स्थानान्तरितः, टैक्सीयाने स्थानान्तरितः, जहाजे आरुह्य, पर्वताः, नद्यः, सरोवराः, समुद्राः च लङ्घितवान्, अनेकेषु गतः कष्टानि बाधानि च, अन्ते च अण्टार्कटिकं प्राप्य पेङ्गुइन-पक्षिणां साक्षात्कारं कृतवान्...
"ऑल् द वे साउथ" इति शीर्षकेण सार्धनिमेषात्मकं एनिमेटेड् लघुचलच्चित्रं विडियो जनरेशन मॉडल् विडु इत्यनेन सम्पन्नम् । यत् मूलतः एकमासस्य कार्यभारं गृहीतवान्, "दक्षतासाझेदारः" इति एआइ-इत्यस्य योजनेन सह, उत्तमकार्यस्य उत्पादनार्थं केवलं एकसप्ताहं यावत् समयः अभवत् - कार्यक्षमता पूर्वस्य चतुर्गुणा आसीत्
एतेन बीजिंग-चलच्चित्रमहोत्सवस्य एआईजीसी-लघुचलच्चित्रविभागे सर्वोत्तम-चलच्चित्रस्य विजेता, ऐनिमेट्-लैब-एआइ-प्रमुखः च चेन् लिउफाङ्गः निःश्वासं कृतवान् : विडियो-जनरेशन-प्रौद्योगिक्याः कारणात् उच्चस्तरीय-एनिमेशनं "धन-दहन-क्रीडा" न भवति यत् केवलं बृहत् स्टूडियो क्रीडितुं साहसं कुर्वन्ति।
एआई एनिमेशन "ऑल द वे साउथ" इत्यस्य रचनात्मकदले केवलं त्रयः जनाः सन्ति: एकः निर्देशकः, एकः स्टोरीबोर्ड कलाकारः, एआईजीसी प्रौद्योगिकी अनुप्रयोगविशेषज्ञः च पारम्परिकप्रक्रियाणां उपयोगेन तत् निर्मातुं २० जनानां आवश्यकता वर्तते । गणनायाः अनन्तरं केवलं उत्पादनव्ययः ९०% अधिकं न्यूनीकरोति ।
यथा कुआइशौ इत्यस्य दृश्यजनन-अन्तर्क्रिया-केन्द्रस्य प्रमुखः वान पेङ्गफेइ इत्यनेन उक्तं यत्, विडियो-जननस्य सारः लक्ष्यवितरणात् पिक्सेलस्य नमूनाकरणं गणना च भवति एषा पद्धतिः न्यूनव्ययेन अधिकाधिकं सामग्रीस्वतन्त्रतां प्राप्तुं शक्नोति ।
विडु इत्यस्य विडियो जनरेशन पृष्ठे प्रविश्य लेखकः "एक-क्लिक् जनरेशन" इत्यस्य स्वतन्त्रतां अपि अनुभवति स्म । एकं फोटो अपलोड् कृत्वा "starting frame" अथवा "reference character" इति सेट् कुर्वन्तु, संवादपेटिकायां भवन्तः जनयितुम् इच्छन्ति तस्य दृश्यस्य पाठविवरणं प्रविशन्तु, "generate" इत्यत्र क्लिक् कुर्वन्तु, ततः स्मार्टः रोमाञ्चकारी च लघुः विडियो भविष्यति स्वयमेव उत्पद्यते । पृष्ठे प्रवेशात् आरभ्य डाउनलोड् पूर्णं यावत् १ निमेषात् न्यूनं समयः भवति ।
घरेलु-वीडियो-माडल-विडु-इत्यस्मै चित्रं प्रेषयन्तु, ततः स्वयमेव एनिमेटेड्-वीडियो-उत्पादनं भविष्यति । चित्रे विडियोस्य स्क्रीनशॉट् दृश्यते
"'सर्वः डिजाइनरः भवति', 'सर्वः निर्देशकः भवति' इति युगः आगमिष्यति, यथा पूर्वं 'सर्वस्य माइक्रोफोनः अस्ति'" इति ज़िपु एआइ-संस्थायाः मुख्यकार्यकारी झाङ्ग पेङ्गः अवदत्
"विश्व अनुकरणकर्ता", किमपि नाटकम् अस्ति वा ?
किं विडियो जनरेशन केवलं सामग्री-उद्योगं विध्वंसयिष्यति? एषः स्पष्टतया openai इत्यस्य मूल अभिप्रायः नास्ति । "विडियो जनयति" केवलं "ऐपेटाइज़र्" एव ।
सोरा इत्यस्य जन्मनः पूर्वं ओपनएआइ इत्यनेन एतत् एआइजीसी कार्यान्वयनसाधनरूपेण न स्थापितं, अपितु भौतिकजगत् प्रतिकृतिं कर्तुं "पात्रं" - विश्वस्य अनुकरणकर्तृरूपेण अस्मिन् पात्रे वास्तविकजगत् भौतिकनियमाः, पर्यावरणव्यवहाराः, अन्तरक्रियातर्कः च "द मैट्रिक्स" इत्यस्मिन् चित्रितस्य आभासीजगत् इव चालयन्ति, अस्माकं कल्पनाशक्तिं इन्द्रियाणि च प्रभावितं कुर्वन्ति
परन्तु भौतिकजगत् त्रिविमीयं भवति, सोरा इत्यादीनि वर्तमानप्रतिमानाः केवलं द्विविमीयसञ्चालनेषु आधारिताः सन्ति, ते वास्तविकभौतिकशास्त्रस्य इञ्जिनाः न सन्ति, अतः भौतिकजगतः गहनं अनुकरणं नास्ति
"वर्षेभ्यः मया उक्तं यत् जगत् 'दर्शनं' जगतः 'अवगमनम्' अस्ति। परन्तु अधुना अहम् एतां अवधारणाम् एकं पदं यावत् अग्रे नेतुम् इच्छुकः अस्मि तथा च 'द्रष्टव्यम्' केवलं 'अवगमनम्' न अपितु 'करणम्' इति। ली फेइफेइ, स्टैन्फोर्डविश्वविद्यालयस्य एकः अध्यक्षः प्राध्यापकः सार्वजनिकरूपेण अवदत् यत् स्थानिकबुद्धेः तलरेखा "दर्शनं" "करणं" च संयोजयितुं भवति ।
यदा "दर्शनं" "करणं" न समं भवति तदा कृत्रिमबुद्धेः निर्माणं निवर्तयितुं न शक्नोति। अधुना नूतनाः तान्त्रिकमार्गाः उद्भूताः सन्ति । भवन्तः भिन्नमार्गेषु परस्परं अनुसृत्य गच्छन्ति, सदिशैः, आदर्शैः च निर्मितस्य अस्य बुद्धिमान् जगतः उन्नतिं कर्तुं एकत्र अग्रे गच्छन्ति ।
भविष्यस्य "विश्वदृष्टिः" अद्यापि एकं रहस्यम् अस्ति यत् अद्यापि न प्रकाशितम्। यथा अमेरिकनभौतिकशास्त्रज्ञः फेनमैन् अवदत् - "अहं न अवगच्छामि यत् जगत् निर्मातुम् न शक्नोमि" परन्तु एतस्य अर्थः न भवति यत् यदि भवान् जगत् अवगच्छति तर्हि भवान् अवश्यमेव जगत् निर्मातुं शक्नोति।
अस्मिन् क्षणे अद्यापि विध्वंसस्य पूर्वसंध्या एव अस्ति । अत एव यदा वयं प्रौद्योगिकी-अन्वेषकान् भविष्यस्य विषये प्रश्नान् पृच्छामः तदा वयं वन्यरूपेण भिन्नानि उत्तराणि प्राप्नुमः | कदाचित् "अनिश्चितता" अस्य युगस्य आशीर्वादः अस्ति।
