Yapay zekâ ile video üretmek artık yeni değil. Ancak üretilen sahnenin içinde, bir video oyunundaki gibi dolaşmak; kamerayı çevirmek, karakteri yürütmek ve dünyaya yeni komutlar vermek bambaşka bir aşama. Çinli teknoloji devi Tencent, tam da bunu yapan açık kaynak modeli Hy-Nomas’ı yayımladı.
Hy-Nomas ne yapıyor?
Hy-Nomas, şirketin “etkileşimli dünya modeli” olarak tanımladığı bir sistem. Kullanıcının metin komutuna göre bir sanal dünya oluşturuyor ve bu dünyada kameranın ve nesnelerin serbestçe kontrol edilmesine izin veriyor. Model, 720p çözünürlükte 60 saniyeye kadar video üretebiliyor.
Sıradan video üretim modellerinden farkı, etkileşimin birden fazla adımda sürmesi. Kullanıcı kamerayı ve karakteri art arda yönlendirebiliyor; karakter WASD ya da ok tuşlarıyla hareket ettirilebiliyor. Tencent, modelin uzun süreli üretimde “dünya hafızası” kullandığını, yani daha önce görülen alanları tutarlı biçimde hatırlamaya çalıştığını belirtiyor.
Açık kaynak ve evde çalıştırılabilir
Hy-Nomas yaklaşık 8 milyar parametreyle görece küçük bir model. Apache 2.0 lisansıyla yayımlandığı için ticari kullanım dahil serbestçe indirilebiliyor; ağırlıklar Hugging Face’te, kod ve kurulum adımları GitHub’da paylaşıldı. 8 bit nicemleme (int8) ve işlemciye yük aktarma gibi bellek tasarrufu teknikleriyle tek bir GeForce RTX 4090 ekran kartında yerel olarak çalışabiliyor. Tarayıcıdan denenebilen bir demo da var, ancak bunun için hesap açmak gerekiyor.
Dünya modelleri neden önemli?
Dünya modelleri, yalnızca oyun ve eğlence için değil, robotik ve otonom sistemler için de giderek önem kazanıyor. Bir robotu gerçek dünyada eğitmek pahalı ve riskli; gerçekçi ve tutarlı bir sanal dünyada denemeler yapmak ise çok daha ucuz. Tencent de Hy-Nomas’ın robotik gibi özel alanlara hafif LoRA uyarlamalarıyla uyarlanabildiğini vurguluyor.
Büyük laboratuvarların bu alandaki modelleri genellikle kapalı ve yalnızca bulut üzerinden erişilebilir durumda. Açık ağırlıklı ve kişisel bilgisayarda çalışabilen bir dünya modeli, üniversitelerin, bağımsız oyun geliştiricilerinin ve küçük araştırma ekiplerinin bu teknolojiyle deney yapabilmesinin önünü açıyor.
Sınırları da var
Üretilen dünyalar hâlâ bir oyun motorunun kesinliğine sahip değil; uzun sürelerde ayrıntıların kayması, fizik kurallarının tutarsızlaşması gibi sorunlar bu tür modellerde sık görülüyor. 60 saniyelik sınır da modelin şimdilik bir “tam oyun” değil, bir deneme ve prototip aracı olduğunu gösteriyor.
Yapay zekâ okuryazarlığı açısından: Neyi sorgulamalıyız?
- Gerçekçi görünen ve içinde gezilebilen bir sahne, gerçekte var olan bir yeri mi gösteriyor, yoksa tamamen üretilmiş mi? Bu ayrımı nasıl yapacağız?
- Robotlar sanal dünyalarda eğitildiğinde, bu dünyalardaki hatalar gerçek hayattaki davranışlarına nasıl yansır?
- Herkesin indirebildiği güçlü üretim modelleri, yaratıcılığı mı yoksa sahte görüntü üretimini mi daha çok kolaylaştıracak?
Hy-Nomas, “video üreten” yapay zekâdan “dünya kuran” yapay zekâya geçişin açık kaynak dünyasındaki önemli adımlarından biri. Bu dünyaların ne kadar inandırıcı olduğu kadar, onları nasıl ve hangi amaçla kullandığımız da önem taşıyacak.
Kaynak: Tencent Hy, Hugging Face, GIGAZINE
