Qwen وLuma وPika: اختبار لإنتاج فيديو بالذكاء الاصطناعي لا يمكن تمييزه عن الفيديو الحقيقي

قبل عام ونصف فقط، كان فيديو الذكاء الاصطناعي يفضح نفسه بسهولة: حركات متقطعة، ووجوه ضبابية، وفيزياء غير طبيعية للأجسام. أما اليوم فقد انخفض عدد هذه المقاطع في خلاصات المحتوى بشكل ملحوظ، لكن لهذه الظاهرة تفسيرين مختلفين جوهرياً. فإما أن التقنيات قطعت شوطاً كبيراً إلى حد بات معه من الصعب تمييز مقاطع الذكاء الاصطناعي عن الحقيقية، وإما أن المستخدمين ببساطة أصبحوا أكثر احترافية في استخدام الأدوات. والأرجح أن العاملين يعملان معاً في الوقت نفسه.

ما الذي تغيّر خلال عام ونصف

قفزت جودة توليد الفيديو قفزة كبيرة. ففي السابق كانت اللقطات الأولى تكشف على الفور أن المقطع من إنتاج شبكة عصبية، أما الأدوات الحديثة فتعلّمت محاكاة التصوير السينمائي الحقيقي: حركة الكاميرا، وعمق المجال، والانتقالات الضوئية الطبيعية بين المشاهد.

وفي الوقت نفسه، ارتقت مهارة المستخدمين. فقد كوّن مجتمع توليد الفيديو ممارسات راسخة: كيفية صياغة الأوامر النصية (prompts)، وأي الأنماط يجب تحديدها، وكيفية المعالجة اللاحقة للنتيجة. وما كان يتطلب عشرات المحاولات ويعطي نتيجة متوسطة أصبح اليوم قابلاً للتكرار في بضع محاولات.

ثلاث أدوات تحدد اليوم نبرة السوق:

• Qwen Video من Alibaba — نموذج متعدد الوسائط يركّز على الالتزام الدقيق بالتعليمات النصية
• Luma Dream Machine — متخصص في المشاهد السينمائية ذات حركة الكاميرا السلسة
• Pika — مصمم للمقاطع القصيرة الرائجة، ويحظى بشعبية بين صنّاع المحتوى على TikTok وReels

ما الذي جرى اختباره بالضبط

وضع الباحثون مهمة محددة: محاولة إنتاج مقطع بكل أداة يبدو طبيعياً في خلاصة شبكات التواصل الاجتماعي، ولا يثير ردة الفعل الغريزية «هذا بالتأكيد ذكاء اصطناعي». لم يكن الهدف صورة جميلة تقنياً فحسب، بل محتوى بديناميكية معقولة وإيقاع سليم وتفاصيل يلتقطها المشاهد على مستوى اللاوعي.

«قررنا إجراء تجربة لمعرفة ما إذا كانت مقاطع الفيديو الرديئة التي

تنتجها الشبكات العصبية قد اختفت فعلاً، أم أن الناس تعلّموا صنع مقاطع جيدة إلى درجة أننا لم نعد نميّز من هو من».

وتبيّن أن المهمة أصعب مما كان متوقعاً. فلكل أداة من الأدوات الثلاث نقاط قوة واضحة ونقاط ضعف. تعمل Qwen بشكل أفضل مع الأوامر النصية التفصيلية، لكنها قد تنتج عيوباً بصرية عند حركة الأشخاص في الإطار. أما Luma فتصنع مشاهد جوية مبهرة، لكنها أقل كفاءة في اللقطات القريبة للوجوه والحوارات. وتعمل Pika بسرعة وبشكل بديهي، غير أن جودتها تنخفض في المشاهد المعقدة متعددة الأبعاد التي تحتوي على عدد كبير من الأجسام في الإطار.

أين يقع الحد الفاصل بين الحقيقي والمولَّد

تعلّمت النماذج الحديثة إخفاء العلامات الكلاسيكية لتوليد الذكاء الاصطناعي. فلم تعد الأصابع تتشوّه إلى أشكال مستحيلة، وصار النص على الأجسام في الخلفية مقروءاً، وتحسّنت فيزياء السوائل والأقمشة بشكل كبير. ومع ذلك تبقى بضع علامات ثابتة ظاهرة للعين الخبيرة:

• إضاءة «صحيحة» أكثر من اللازم، يكاد المرء لا يصادفها في التصوير الهاوي الحقيقي
• حركات دقيقة للعينين وتعابير وجه لا تتطابق تماماً مع الكلام
• ملمس الشعر أثناء الحركة، خصوصاً مع خلفية معقدة أو ديناميكية
• انتقالات مونتاج وزوايا تصوير غير معهودة لدى المصورين الحقيقيين

وفي هذه التفاصيل تحديداً تتباين نتائج الأدوات الثلاث. تتفوق Luma في المناظر الطبيعية وتصوير الأشياء حيث لا توجد وجوه في لقطات قريبة. وتبدو Pika أفضل حين يلزم مونتاج سريع وديناميكي دون التوقف عند التفاصيل. وتُظهر Qwen أداءً جيداً حيث تكون الدقة في إعادة إنتاج التفاصيل الصغيرة للمشهد وفق الوصف هي الأهم.

ماذا يعني ذلك

يتلاشى الحد الفاصل بين فيديو الذكاء الاصطناعي والتصوير الحقيقي بسرعة. وبالنسبة لصنّاع المحتوى، يفتح هذا إمكانات جديدة: إنتاج مقاطع دون كاميرا أو ممثلين أو استوديو، وخفض عتبة الدخول إلى ما يقارب الصفر. أما بالنسبة للمشاهدين، فيطرح هذا سؤالاً جديداً في جوهره: ما الذي ينبغي الاعتماد عليه الآن عند تقييم مصداقية فيديو في الخلاصة؟