Evaluating Newtonian Mechanics in Video Generative Models with Real Physical Systems
यह शोध पत्र मोर्फियस (Morpheus) का परिचय देता है, जो 130 वास्तविक दुनिया के वीडियो और संरक्षण नियमों (conservation laws) का उपयोग करने वाला एक भौतिकी-आधारित मूल्यांकन ढांचा है, जो यह प्रदर्शित करता है कि समकालीन वीडियो जनरेशन मॉडल दृश्य रूप से आकर्षक परिणाम उत्पन्न करने के बावजूद न्यूटनियन गतिकी (Newtonian dynamics) को सटीक रूप से एनकोड करने में विफल रहते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपके पास अविश्वसनीय रूप से प्रतिभाशाली कलाकारों का एक समूह है जो चलती-फिरती तस्वीरें (वीडियो) बना सकते हैं जो इतनी वास्तविक लगती हैं कि आपको लगेगा कि आप उन्हें छू सकते हैं। ये कलाकार नए "वीडियो जनरेटिव मॉडल्स" (जैसे SORA, Veo, या Kling) हैं। हर कोई उत्साहित है क्योंकि लोगों को उम्मीद है कि ये कलाकार केवल सुंदर चित्र ही नहीं बनाएंगे, बल्कि वे यह भी समझेंगे कि दुनिया कैसे काम करती है—जैसे कि गुरुत्वाकर्षण चीजों को नीचे की ओर कैसे खींचता है या एक गेंद कैसे उछलती है।
लेकिन यहाँ एक पेच है: क्या वे वास्तव में भौतिकी (physics) के नियमों को जानते हैं, या वे बस इसे दिखाने में बहुत अच्छे हैं?
यह शोध पत्र एक नया परीक्षण पेश करता है जिसे Morpheus कहा जाता है ताकि यह पता लगाया जा सके। मोरफियस को एक कला समीक्षक के रूप में नहीं, बल्कि एक भौतिकी जासूस (physics detective) के रूप में सोचें।
समस्या: "अच्छा दिखने" का जाल
पहले, यह जाँचने के लिए कि क्या कोई वीडियो "वास्तविक" था, लोग केवल मनुष्यों या AI चैटबॉट्स से पूछते थे: "क्या यह एक गिरती हुई गेंद की तरह असली लग रहा है?"
- दोष: यह एक जादू के खेल को यह पूछकर आंकने जैसा है कि "क्या इसमें खरगोश दिखाई दिया?" खरगोश दिखाई तो दिया होगा, लेकिन शायद वह कागज से बना एक नकली खरगोश था।
- मुद्दा: एक वीडियो चिकना और सुंदर (aesthetic) दिख सकता है, लेकिन फिर भी भौतिकी के नियमों को तोड़ सकता है (जैसे, बिना धकेले गेंद का ऊपर की ओर लुढ़कना, या एक गेंद का ऊर्जा खो देना जब उसे नहीं खोना चाहिए)। वर्तमान परीक्षण अक्सर इन सूक्ष्म त्रुटियों को पकड़ने में विफल रहते हैं क्योंकि वे केवल "चित्र" को देखते हैं, "गणित" को नहीं।
समाधान: द मोरफियस टेस्ट (The Morpheus Test)
लेखकों ने 130 वास्तविक-दुनिया के प्रयोगों (जैसे गेंद गिराना, कैन लुढ़काना, पेंडुलम को झुलाना और टकराने वाली वस्तुओं) की एक प्रयोगशाला बनाई। उन्होंने इन प्रयोगों को एक नियंत्रित कमरे में सावधानीपूर्वक फिल्माया।
फिर, उन्होंने वीडियो AI मॉडल्स से इन वीडियो को पहले फ्रेम या टेक्स्ट विवरण के आधार पर फिर से बनाने के लिए कहा।
यह पूछने के बजाय कि, "क्या यह वास्तविक दिखता है?", मोरफियस पूछता है: "क्या गणित काम करता है?"
यहाँ बताया गया है कि यह परीक्षण कैसे काम करता है, एक सरल उपमा का उपयोग करते हुए:
1. "ट्रैजेक्टरी" (पथ)
कल्पना कीजिए कि एक गेंद गिर रही है। वास्तविक दुनिया में, गुरुत्वाकर्षण उसे एक विशिष्ट वक्र (curve) में नीचे खींचता है।
- पुराना तरीका: AI के गेंद के पथ की तुलना पिक्सेल-दर-पिक्सेल वास्तविक गेंद के पथ से करना।
- मोरफियस तरीका: यह बहुत सख्त है। यदि AI की गेंद थोड़ी भारी है या हवा थोड़ी अलग है, तो पथ बदल जाता है, लेकिन वह फिर भी एक वैध भौतिक पथ है। मोरफियस को इस बात की परवाह नहीं है कि पथ बिल्कुल समान है या नहीं; उसे इस बात की परवाह है कि क्या पथ नियमों का पालन करता है।
2. "PINN" (भौतिकी शिक्षक)
शोध पत्र एक विशेष AI टूल का उपयोग करता है जिसे फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (PINN) कहा जाता है। इसे एक सख्त भौतिकी शिक्षक के रूप में सोचें जो गति के नियमों को कंठस्थ जानता है।
- शिक्षक AI के वीडियो को देखता है और गेंद की गति को न्यूटन के नियमों (जैसे $F=ma$) में फिट करने की कोशिश करता है।
- यदि गेंद इस तरह से चलती है जो गुरुत्वाकर्षण या ऊर्जा के संरक्षण का उल्लंघन करती है, तो शिक्षक उसे खराब ग्रेड देता है।
- यदि गति नियमों का पूरी तरह से पालन करती है, तो शिक्षक उसे A+ देता है।
3. "कंजर्वेशन" (ऊर्जा बैंक)
वास्तविक दुनिया में, ऊर्जा एक बैंक खाते की तरह है। आप इसे बना या नष्ट नहीं कर सकते; आप केवल इसे इधर-उधर ले जा सकते हैं (जैसे, ऊंचाई से गति में)।
- मोरफियस AI के वीडियो के "बैंक खाते" की जाँच करता है।
- वास्तविक वीडियो: कुल ऊर्जा स्थिर रहती है (या घर्षण के कारण थोड़ी कम होती है, जो कि सामान्य है)।
- AI वीडियो: अक्सर, "बैंक खाता" अनियंत्रित हो जाता है। गेंद अचानक कहीं से भी ऊर्जा प्राप्त कर सकती है या बहुत तेज़ी से इसे खो सकती है। मोरफियस इसे तुरंत पकड़ लेता है।
उन्हें क्या मिला?
परिणाम AI समुदाय के लिए एक वास्तविकता का सामना कराने वाले थे:
- "सुंदर झूठ" (The Pretty Lie): यहाँ तक कि सबसे उन्नत AI मॉडल (जैसे Veo3 और Kling) भी ऐसे वीडियो बना सकते हैं जो आश्चर्यजनक रूप से सुंदर और सुचारू दिखते हैं।
- भौतिकी की विफलता: हालाँकि, जब मोरफियस ने गणित की जाँच की, तो लगभग सभी विफल रहे।
- उन्हें ऊर्जा को स्थिर रखने में संघर्ष करना पड़ा।
- वे अक्सर वस्तुओं को गायब कर देते हैं, खुद को दोहरा देते हैं, या लुढ़कने के बजाय बस रुक जाते हैं।
- यहाँ तक कि एक वास्तविक गिरती हुई गेंद के वीडियो को शुरुआत के रूप में दिए जाने पर भी, AI भौतिकी के अनुसार अगले कुछ सेकंडों की सही भविष्यवाणी नहीं कर सका।
"प्रॉम्प्ट" पावर-अप
शोधकर्ताओं ने AI को बेहतर निर्देश (प्रॉम्प्ट्स) देकर और उसे अधिक फ्रेम दिखाकर (केवल शुरुआत ही नहीं, बल्कि अंत भी) कोशिश की।
- परिणाम: इससे थोड़ी मदद मिली। यदि आप AI को वीडियो की शुरुआत और अंत दिखाते हैं, तो वह बीच के हिस्से का अनुमान लगाने में बेहतर काम करता है। लेकिन सबसे अच्छी मदद के साथ भी, मॉडल भौतिक सटीकता के मामले में वास्तविक दुनिया का मुकाबला नहीं कर सके।
निष्कर्ष
शोध पत्र यह निष्कर्ष निकालता है कि जबकि ये AI मॉडल अद्भुत कलाकार हैं, वे वर्तमान में बुरे भौतिक विज्ञानी हैं। वे गिरते हुए सेब का एक ऐसा चित्र बना सकते हैं जो एकदम सही दिखता है, लेकिन वे वास्तव में यह नहीं समझते कि वह क्यों गिरता है या उसे कितनी गति से गिरना चाहिए।
जब तक वे मोरफियस टेस्ट पास नहीं कर लेते, हम उन्हें सेल्फ-ड्राइविंग कारों या रोबोट जैसी चीजों के लिए "वर्ल्ड मॉडल्स" के रूप में भरोसा नहीं कर सकते, जहाँ वास्तविक भौतिकी को समझना केवल कला नहीं, बल्कि सुरक्षा का मामला है।
संक्षेप में: AI वास्तविकता के दिखावे को दिखाने में तो माहिर है, लेकिन उसने अभी तक वास्तविकता के नियमों को नहीं सीखा है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।