Стартап Odyssey, заснований піонерами безпілотних технологій Олівером Кемероном та Джеффом Хоуком, розробив штучний інтелект, який дозволяє користувачам “взаємодіяти” із стрімінговими відео.
В даний час доступна веб-демонстрація, де модель генерує та транслює відеокадри кожні 40 мілісекунд. Завдяки простим елементам управління, глядачі можуть досліджувати різні області у відео, що нагадує 3D-відеоігри.
“На основі поточного стану світу, умов дії та історії подій, модель намагається передбачити наступний стан”, – пояснює Odyssey у своєму блозі. “Це забезпечується новою світовою моделлю, яка демонструє такі можливості, як генерація реалістичних пікселів, збереження просторової узгодженості, навчання діям на основі відео та вихід узгоджених відеопотоків тривалістю понад 5 хвилин.”
Кілька стартапів та великих технологічних компаній працюють над світовими моделями, серед яких DeepMind, World Labs від впливового дослідника AI Фей-Фей Лі, Microsoft та Decart. Вони вважають, що світові моделі можуть стати основою для створення інтерактивних медіа, таких як ігри та фільми, а також реалізації реалістичних симуляцій, таких як навчальні середовища для роботів.
Однак у творців є змішані відчуття щодо цієї технології. Нещодавнє розслідування від Wired виявило, що ігрові студії, такі як Activision Blizzard, що звільняють значну кількість працівників, використовують AI для скорочення витрат і боротьби з дефіцитом кадрів. А дослідження, проведене в 2024 році Ангімаційним союзом, який представляє голлівудських аніматорів та карикатуристів, оцінило, що AI незабаром може вплинути на понад 100 тисяч робочих місць у кіно, телебаченні та анімації в США.
Odyssey обіцяє співпрацювати з творчими професіоналами, а не замінювати їх.
“Інтерактивне відео… відкриває двері до абсолютно нових форм розваг, де історії можна генерувати та досліджувати на вимогу, без обмежень і витрат традиційного виробництва”, – пише компанія в своєму блозі. “З часом ми вважаємо, що все, що сьогодні є відео — розваги, реклама, освіта, навчання, подорожі та інше — еволюціонує в інтерактивне відео, підтримуване Odyssey.”
Демонстраційна версія Odyssey має певні недоліки, про які компанія згадує в своєму пості. Середовища, які генерує модель, є розмитими і спотвореними, а їх макети не завжди залишаються незмінними. Під час руху вперед у певному напрямку або обертання навколо, оточення може раптово змінити свій вигляд.
Проте компанія обіцяє швидко вдосконалювати модель, яка наразі може транслювати відео до 30 кадрів на секунду за допомогою кластерів Nvidia H100 GPU при вартості $1-2 за “годину користування”.
“У майбутньому ми досліджуємо більш багаті світові уявлення, які точно відображають динаміку, підвищуючи тимчасову стабільність та постійний стан”, – зазначає Odyssey у своєму пості. “Паралельно ми розширюємо поле дій від руху до взаємодії зі світом, навчаючись відкритим діям з масштабних відео.”
Odyssey використовує інший підхід, ніж багато лабораторій AI в сфері світового моделювання. Компанія розробила 360-градусну камеру, що кріпиться на спині, для захоплення реальних ландшафтів, що, на думку Odyssey, може стати основою для моделей вищої якості, ніж моделі, навчлені лише на публічно доступних даних.
На сьогоднішній день Odyssey залучила $27 мільйонів від інвесторів, включаючи EQT Ventures, GV та Air Street Capital. Ед Кетмулл, один з співзасновників Pixar і колишній президент Walt Disney Animation Studios, є членом ради директорів стартапу.
Минулого грудня Odyssey оголосила, що працює над програмним забезпеченням, яке дозволяє творцям завантажувати сцени, згенеровані її моделями, до інструментів, таких як Unreal Engine, Blender і Adobe After Effects, щоб їх можна було редагувати вручну.
