Modeli svetov: naslednja meja pri generiranju videoposnetkov z umetno inteligenco

Od sličic k svetovom

Tradicionalni modeli generiranja videoposnetkov delujejo kot izkušeni umetniki flipbook-ov. Napovedujejo, kako bi morala izgledati naslednja sličica na podlagi prejšnjih, vodeni z besedilnim pozivom. Deluje, vendar ima temeljne omejitve.

Modeli svetov uporabljajo drugačen pristop. Namesto vprašanja "kako bi morala izgledati naslednja sličica?" sprašujejo "kako se to okolje obnaša?" Razlika zveni subtilno, vendar spremeni vse.

Ko napovedovalcu sličic rečete, naj generira žogo, ki se kotali z hriba, približno prikaže, kako bi to lahko izgledalo na podlagi podatkov za učenje. Ko isto poveste modelu sveta, simulira fiziko: gravitacija žogo pospeši, trenje ob travo jo upočasni, zagon jo nese navzgor po nasprotnem pobočju.

Kaj Runway GWM-1 dejansko dela

Runway je izdal GWM-1 (General World Model 1) decembra 2025, to pa je njihov prvi javni korak v simulacijo sveta. Model ustvarja tisto, čemur pravijo "dinamična simulacijska okolja" — sisteme, ki razumejo ne samo, kako stvari izgledajo, ampak kako se razvijajo skozi čas.

Časovni trenutek je pomemben. Ta izdaja je prišla skupaj s tem, da je Gen-4.5 dosegel #1 na Video Arena, potisnivši OpenAI Sora 2 na 4. mesto. Ti dosežki niso nepovezani. Izboljšave Gen-4.5 v fizični natančnosti, kjer se objekti premikajo z realistično težo, zagonom in silo, verjetno izhajajo iz raziskav modelov svetov, ki vplivajo na arhitekturo.

Zakaj to spremeni vse

1. Fizika, ki dejansko deluje

Trenutni video modeli se borijo s fiziko, ker so fiziko le videli, je nikoli niso izkusili. Vedo, da spuščen predmet pade, vendar približno izračunajo trajektorijo, namesto da bi jo izračunali. Modeli svetov obrnejo to razmerje.

Zato so fizične simulacije Sora 2 impresionirali ljudi: OpenAI je resno investiral v razumevanje fizike. Modeli svetov formalizirajo ta pristop.

2. Časovna koherenca brez trikov

Največja bolečina v AI videoposnetkih je bila doslednost skozi čas. Liki spreminjajo videz, objekti se teleportirajo, okolja se naključno spreminjajo. Raziskovali smo kako se modeli učijo zapomniti obraze skozi arhitekturne inovacije, kot je medsličična pozornost.

Modeli svetov ponujajo elegantnejšo rešitev: če simulacija sledi entitetam kot trajnim objektom v virtualnem prostoru, se ne morejo naključno spremeniti ali izginiti. Žoga obstaja v simuliranem svetu. Ima lastnosti (velikost, barva, pozicija, hitrost), ki vztrajajo, dokler jih nekaj v simulaciji ne spremeni.

3. Daljši videoposnetki postajajo možni

Trenutni modeli degradirajo s časom. Dvosmerna difuzija CraftStory se pomika k 5-minutnim videoposnetkom z dovolitvijo, da poznejše sličice vplivajo na prejšnje. Modeli svetov pristopijo k istemu problemu drugače: če je simulacija stabilna, jo lahko poženete, kolikor želite.

Presenečenje (vedno je kakšno presenečenje)

Modeli svetov zvenijo kot rešitev vsakega problema generiranja videoposnetkov. Niso, vsaj še ne.

Računski stroški

Simuliranje sveta je drago. Napovedovanje sličic lahko deluje na potrošniških GPU-jih zahvaljujoč delu projektov, kot je LTX-2. Simulacija sveta zahteva vzdrževanje stanja, sledenje objektom, fizične izračune. To občutno poveča strojne zahteve.

Učenje pravil sveta je težko

Naučiti model, kako stvari izgledajo, je preprosto: pokažete milijone primerov. Naučiti model, kako svet deluje, je bolj nejasno. Fiziko se lahko nauči iz video podatkov, vendar le do določene mere. Model vidi, da spuščeni objekti padejo, vendar ne more izpeljati gravitacijskih konstant iz gledanja posnetkov.

Vprašanja ustvarjalne kontrole

Če model simulira fiziko, kdo odloči, kakšno fiziko? Včasih želite realistično gravitacijo. Včasih želite, da vaši liki lebdijo. Modeli svetov potrebujejo mehanizme za preglasitev svojih simulacij, ko ustvarjalci želijo nerealistične rezultate.

Kam gre industrija

Runway ni sam v tej smeri. Arhitekturni članki za difuzijskimi transformatorji so namigovali na ta premik mesece. Vprašanje je bilo vedno kdaj, ne ali.

Korporativni interes je zgovoren. Runway je dal zgodnji dostop Ubisoftu, Disney je investiral milijardo dolarjev z OpenAI za integracijo Sora. To niso podjetja, zainteresirana za generiranje hitrih klipov za družbena omrežja. Želijo umetno inteligenco, ki lahko simulira igralna okolja, generira dosledne animirane like, proizvaja vsebino, ki prestane profesionalni pregled.

Kaj to pomeni za ustvarjalce

• ✓Doslednost videoposnetka se bo dramatično izboljšala
• ✓Vsebina s fiziko postane izvedljiva
• ✓Daljše generiranje brez zloma kakovosti
• ○Stroški bodo sprva višji kot napovedovanje sličic
• ○Mehanizmi ustvarjalne kontrole se še razvijajo

Če danes proizvajalce AI videoposnetke, modeli svetov niso nekaj, kar morate takoj sprejeti. So pa nekaj, kar je vredno spremljati. Primerjava med Sora 2, Runway in Veo 3, ki smo jo objavili prej letos, bo potrebovala posodobitev, ko se sposobnosti modelov svetov uvajajo na teh platformah.

Za praktično uporabo zdaj razlike pomenijo pri specifičnih primerih:

• Vizualizacija izdelka: Modeli svetov bodo tukaj odlični. Natančna fizika za objekte, ki delujejo med seboj.
• Abstraktna umetnost: Napovedovanje sličic bi lahko bilo dejansko boljše. Želite nepričakovane vizualne rezultate, ne simulirano resničnost.
• Animacija likov: Modeli svetov plus tehnike ohranjanja identitete bi lahko končno rešili problem doslednosti.

Širša slika

Modeli svetov predstavljajo zorenje AI videoposnetkov. Napovedovanje sličic je zadostovalo za generiranje kratkih klipov, vizualnih novosti, demonstracij konceptov. Simulacija sveta je tisto, kar potrebujete za resnično produkcijsko delo, kjer mora vsebina biti dosledna, fizično verodostojna in razširljiva.

To, da je Runway premagal Google in OpenAI v meritvah s 100-člansko ekipo, nam pove nekaj pomembnega: pravi arhitekturni pristop je pomembnejši od virov. Modeli svetov bi lahko bili ta pristop. Če se stava Runway izplača, bodo definirali naslednjo generacijo video umetne inteligence.

In če fizične simulacije postanejo dovolj dobre? Ne generiramo samo videoposnetkov. Gradimo virtualne svetove, eno simulacijo naenkrat.