Hunyuan-GameCraft-2: Instruction-following Interactive Game World Model
يُعد Hunyuan-GameCraft-2 نموذجاً توليدياً جديداً لعوالم الألعاب يتيح تفاعلاً مرناً مدفوعاً بالتعليمات عبر استخدام آلية حقن مدفوعة بالنصوص لتحويل بيانات الفيديو واسعة النطاق إلى محاكاة تفاعلية متوافقة سببياً يتم التحكم فيها عبر اللغة الطبيعية، أو إشارات لوحة المفاتيح، أو الفأرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تلعب لعبة فيديو، ولكن بدلاً من أن يقضي المطور سنوات في برمجة كل قاعدة، وكل شجرة، وكل حركة، يتم تخيل اللعبة بواسطة ذكاء اصطناعي في الوقت الفعلي أثناء لعبك لها.
هذا هو بالضبط ما يحاول Hunyuan-GameCraft-2 تحقيفته. إليك شرح للورقة البحثية باستخدام تشبيهات بسيطة.
١. المشكلة: "الفيلم" مقابل "اللعبة"
معظم مولدات الفيديو الحالية بالذكاء الاصطناعي (مثل Sora وغيرها) تشبه مخرجي أفلام محترفين للغاية. تعطيهم نصاً ("تنين يطير فوق قلعة")، فيعرضون لك فيلماً جميلاً ومكتملاً. لكن لا يمكنك السير داخل هذا الفيلم؛ فإذا حاولت الالتفات يساراً، لن يهتم الفيلم بالأمر، بل سيستمر فقط في عرض المشهد الذي خطط له مسبقاً.
أما أجهزة الذكاء الاصطناعي المخصصة لـ "الألعاب" حالياً فهي أفضل قليلاً، لكنها تشبه سكك الحديد. لا يمكنها الذهاب إلا حيث وُضعت السكك (أزرار محددة مثل "قفز" أو "تحرك للأمام"). إذا أردت القيام بشيء إبداعي، مثل "اجعلها تثلج" أو "ارسم سيفاً"، سيرتبك الذكاء الاصطناعي لأنه لم يُبرمج لتلك "السكك" المحددة.
٢. الحل: "محرك الدمى اللانهائي"
يغير Hunyuan-GameCraft-2 قواعد اللعبة. فهو ينتقل من كونه "مخرج أفلام" ليصبح "محرك دمى لانهائي".
بدلاً من مجرد اتباع مسارات محددة مسبقاً، يفهم هذا الذكاء الاصطناعي السبب والنتيجة. هو لا يعرف فقط كيف تبدو الغابة؛ بل يفهم أنه إذا "أطلقت انفجاراً"، يجب أن تسقط الأشجار، ويتصاعد الدخان، وتتغير الإضاءة فوراً.
هو يقبل نوعين من "الأوامر":
- وحدة التحكم: الحركات التقليدية (مفاتيح W, A, S, D وحركات الماوس) لتحريك عينيك داخل العالم.
- العصا السحرية: تعليمات اللغة الطبيعية. يمكنك حرفياً كتابة: "أظهر سيارة رياضية صفراء" أو "اجعلها تمطر"، وسيقوم الذكاء الاصطناعي "بتخيل" هذا الشيء وإدخاله إلى الوجود مع الحفاظ على تناسق بقية العالم.
٣. كيف يعمل: "الطباخ والوصفة"
لجعل هذا الأمر ممكناً، كان على الباحثين حل ثلاث مشكلات كبيرة في "المطبخ":
- مشكلة المكونات (البيانات): لتعليم الذكاء الاصطناي كيفية التفاعل، تحتاج إلى فيديوهات للتفاعلات. لكن معظم الفيديوهات على الإنترنت هي لأشخاص يشاهدون الأشياء فقط، وليس يفعلون الأشياء. قام الباحثون ببناء "طباخ آلي" (خط إنتاج) يأخذ الفيديوهات العادية و"يصنفها". ينظر إلى الفيديو ويقول: "حسناً، في هذا المقطع، انتقل الشخص من عدم الإمساك بشيء إلى الإمساك بسكين. هذا يعتبر 'تفاعلاً'". منح هذا الذكال الاصطناعي مكتبة ضخمة من "الوصفات" لكيفية تغيير الأفعال للعالم.
- مشكلة الذاكرة (الاتساق): هل سبق لك أن لعبت لعبة دخلت فيها إلى غرفة، ثم التفت خلفك، فوجدت أن الغرفة قد تغيرت تماماً؟ هذا هو "تسرب الذاكرة". لمنع حد ذلك، استخدم الباحثون "رمز الاستقرار" (Sink Token) — تخيله مثل "نجم القطب". مهما ابتعد الذكاء الاصطناعي في فيديو طويل، فإنه يحتفظ دائماً بجزء صغير من "نقطة البداية" في ذهنه حتى لا يتوه أو ينسى كيف كان شكل العالم في الأصل.
- مشكلة السرعة (الوقت الفعلي): إذا ضغطت على "قفز" واستغرق الذكاء الاصطناعي ١٠ ثوانٍ للتفكير، فستصبح اللعبة غير قابلة للعب. استخدموا هندسة قوية (مثل "الكمية" و"فك التشفيد المتوازي") لجعل الذكاء الاصطناعي يفكر بسرعة ١٦ إطاراً في الثانية. هذا يجعل "التخيل" يحدث بسرعة كافية ليشعر اللاعب بأنه لعبة حقيقية واستجابية.
٤. النتيجة: عالم حي ومتنفس
عند اختباره، لم يكتفِ الذكاء الاصطناعي باتباع الأوامر فحسب؛ بل أظهر "منطقاً عاماً".
- إذا قلت له "ارسم شعلة"، فإنه لا يضع الشعلة في الهواء فحسب؛ بل يجعل يد الشخصية تتحرك بشكل طبيعي للإمساك بها.
- إذا قلت له "اجعلها تثلج"، فإنه لا يكتفي بوضع نقاط بيضاء فوق الصورة؛ بل يفهم كيف يجب أن يستقر الثلج على الأرض ويغير مزاج المشهد.
الملخص في جملة واحدة:
Hunyuan-GameCraft-2 هو ذكاء اصطناعي لا يعرض لك مجرد فيديو؛ بل يبني لك كوناً حياً يشبه الأحلام، يستمع إلى أوامرك ويستجيب لكل حركة تقوم بها في الوقت الفعلي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.