Helios: Real Real-Time Long Video Generation Model
يُعد هليوس (Helios) نموذج انتشار ذاتي الانحدار رائدًا بحجم 14 مليار معلمة، حيث يحقق توليد فيديو في الوقت الفعلي وبمقياس الدقيقة بجودة ومتانة عاليتين على وحدة معالجة رسوميات واحدة، ملغيًا الحاجة إلى الاستدلالات الشائعة لمكافحة الانجراف، أو تقنيات التسريع القياسية، أو أطر التوازي من خلال استراتيجيات تدريب مبتكرة وتحسينات في البنية التحتية.
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 تحاول إخراج فيلم. في الماضي، كان صنع فيديو عالي الجودة باستخدام الذكاء الاصطناعي يشبه محاولة رسم لوحة فنية رائعة، لكنك لم تكن تستطيع الرسم إلا لـ 5 ثوانٍ فقط قبل أن يجف الطلاء، وتبدأ الألوان في البهتان، وينسى أبطال القصة من هم. إذا حاولت الاستمرار، سيتحول الفيلم إلى فوضى مشوشة وغير واضحة. كما كان الكمبيوتر يحتاج إلى حاسوب خارق ضخم للقيام بذلك، وكان يستغرق ساعات لتوليد بضع ثوانٍ فقط.
إليك Helios. فكر في Helios كأنه مخرج أفلام فائق الكفاءة ويعمل في الوقت الفعلي، يمكنه العمل على جهاز كمبيوتر محمول واحد قوي (تحديداً شريحة NVIDIA H100 واحدة)، ويمكنه الاستمرار في صنع فيلم إلى الأبد دون أن يفقد عقله.
إليك كيف يعمل Helios، مقسماً إلى مفاهيم بسيطة:
1. "التمرير اللانهائي" مقابل "علامة التوقف"
معظم نماذج الفيديو بالذك الذكاء الاصطناعي تشبه شخصاً يقرأ كتاباً ولا يتذكر سوى الصفحة الأخيرة. إذا طلبت منهم كتابة قصة لمدة 10 دقائق، فسوف ينسون البداية بحلول الدقيقة الثانية، ويبدأ أبطال القصة بالتصرف بغرابة (وهذا ما يسمى بـ "الانحراف" أو "Drifting").
يستخدم Helios خدعة تسمى حقن التاريخ الموحد (Unified History Injection). تخيل بدلاً من نسيان الماضي، أن لدى الذكاء الاصطناعي لفافة من الورق يقوم بتحديثها باستمرار. إنه ينظر إلى الماضي "النظيف" (القصة حتى الآن) والمستقبل "الفوضوي" (ما يحاول رسمه تالياً) في نفس الوقت. هو لا يخمن فحسب؛ بل يستخدم الماضي لتوجيه المستقبل بلطف، مما يضمن بقاء وجه الشخصية كما هو وجعل القصة منطقية لعدة دقائق متواصلة.
2. مشكلة "الانحراف": تأثير الحرباء
عندما يحاول الذكاء الاصطناعي صنع فيديوهات طويلة، فإنه غالباً ما يعاني من ثلاثة أنواع من "الانحراف":
- انزياح الموقع: ينتقل البطل فجأة إلى مكان مختلف.
- انزياح اللون: تتحول السماء من الزرقة إلى الأرجوانية، أو تتحول البشرة إلى اللون الأخضر.
- انزياح الترميم: يصبح الفيديو ضبابياً أو مليئاً بالضجيج، مثل تلفاز قديم يفقد الإشارة.
يعالج Helios هذا من خلال ثلاث "تمارين تدريبية" بسيطة:
- المرساة (The Anchor): يحتفظ بالإطار الأول للفيديو في ذاكرته كأنه بوصلة. مهما طال الفيديو، يتحقق الذكاء الاصطناعي من هذه البوصلة لضمان عدم ضياع الألوان والأشكال.
- تمرين "تظاهر بالأمر حتى تتقنه": أثناء التدريب، يتم تغذية الذكاء الاصطناعي عمداً بـ "تاريخ سيء" (إطارات ضبابية أو مليئة بالضجيج). يتعلم كيفية إصلاح هذه الأخطاء فوراً، مما يجعله قوياً جداً عند توليد فيديوهات حقيقية لاحقاً.
- الخريطة النسبية: بدلاً من عد الإطارات كـ "الإطار 1، الإطار 2، الإطار 3..." (مما يربك الذكاء الاصطناعي إذا أصبح الفيديو طويلاً جداً)، فإنه يستخدم خريطة نسبية. هو يعرف فقط: "أنا على بُعد 5 خطوات من آخر شيء رأيته". هذا يمنع الذكاء الاصطناعي من الارتباك وتكرار نفس الحركة مراراً وتكراراً.
3. خدعة السرعة: "عدسة الزووم"
إن جعل نموذج بـ 14 مليار بارامتر (دماغ ضخم) يعمل في الوقت الفعلي هو أمر مستحيل عادةً. الأمر يشبه محاولة قيادة سيارة فيراري وسط زحام مروري.
يستخدم Helios تقنية التدفق المضغوط العميق (Deep Compression Flow)، والتي تعمل مثل عدسة زووم ذكية:
- الماضي: بالنسبة للأشياء التي حدثت منذ فترة طويلة، لا يحتاج لتذكر كل تفصيل صغير. يقوم بضغط الماضي البعيد في "ملخص" (مثل النظر إلى منظر طبيعي من مسافة بعيدة مقابل النظر إليه عن قرب). هذا يوفر كميات هائلة من الذاكرة.
- المستقبل: عند رسم الفيديو، لا يبدأ بتفاصيل عالية الدقة. يبدأ برسم مخطط أولي خشن (مثل رسم بالقلم الرصاص) ثم يضيف التفاصيل الدقيقة ببطء (مثل الطلاء). هذا أسرع بكثير من محاولة رسم كل بكسل بدقة من البونة.
4. حيلة "المعلم والتلميذ"
عادةً، لجعل الذكاء الاصطناما سريعاً، يجب عليك "تقطيره" (Distill)—أي تعليم تلميذ صغير وغبي كيف يقلد معلماً كبيراً وذكياً. لكن هذا غالباً ما يجعل الفيديو يبدو أسوأ.
يستخدم Helios تقنية التقطير الهرمي التنافسي (Adversarial Hierarchical Distillation). تخيل طباخاً ماهراً (المعلم) يعلم طباخاً مساعداً (التلميذ).
- بدلاً من مجرد قول "قلدني"، يترك المعلم التلميذ يطبخ، ثم يأتي ناقد طعام صارم (الجزء التنافسي) ليتذوق الطبق.
- إذا لم يكن الطبق بجودة الشيء الحقيقي، يصرخ الناقد في وجه التلميذ ليقوم بالإصلاح.
- هذا يجبر التلميذ ليس فقط على تقليد المعلم، بل على أن يكون له "طعم" فيلم حقيقي. والنتيجة؟ يصبح التلميذ سريعاً للغاية (19.5 إطاراً في الثانية!) ولكن لا يزال طعمه لذيذاً (جودة عالية).
النتيجة؟
- السرعة: يقوم بتوليد الفيديو بسرعة 19.5 إطاراً في الثانية على شريحة واحدة. هذا أسرع من العديد من النماذج الأصغر والأضعف. إنه عملياً "في الوقت الفعلي".
- الطول: يمكنه توليد فيديوهات مدتها دقائق طويلة دون أن يتحول الشخصيات إلى وحوش أو تذوب الألوان.
- تعدد الاستخدامات: يمكنه تحويل النص إلى فيديو، أو صورة واحدة إلى فيديو، أو حتى أخذ فيديو موجود ومواصلته.
باخت-صر: Helios هو أول نموذج فيديو بالذكاء الاصطناعي سريع بما يكفي ليلعب معك لعبة، وذكي بما يكفي ليتذكر الحبكة لمدة ساعة، ورخيص بما يكفي ليعمل على جهاز واحد، دون الحاجة إلى "الخدع" المعقدة التي تعتمد عليها النماذج الأخرى. إنه يحول حلم إنتاج فيديو لانهائي وعالي الجودة إلى واقع.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.