NVIDIA Physis-Lang يصف الفيزياء بالكلمات ويحتل المركز الأول في Physics-IQ Verified

أعلنت NVIDIA عن Physis-Lang، وهو نهج لتوليد الفيديو تؤدي فيه اللغة الطبيعية دور حامل «المعرفة بالعالم». وبحسب ما ذكرته الشركة، احتل النظام المركز الأول في تصنيف Physics-IQ Verified، وهو من الاختبارات القليلة التي تفحص نماذج الفيديو من حيث المصداقية الفيزيائية، لا جمال اللقطة. والمثال الأساسي في الإعلان شبه يومي: يُعطى النموذج عبارة «الزبدة تذوب عند التسخين» ثم يُنظر في ما سيظهر على الشاشة.

لا تتوفر لدينا حتى الآن بيانات كاملة. فالجزء المتاح من الإعلان لا يذكر حجم النموذج، ولا الدرجات الدقيقة، ولا جدول مقارنة. نعرض أدناه الفكرة والسياق وما ينبغي التحقق منه.

لماذا ما زالت الفيزياء تنهار في الفيديو

تجيد نماذج الفيديو الحديثة رسم الملمس والإضاءة وحركة الكاميرا. لكن بمجرد أن تطلب منها عرض ذوبان أو تصادم أو سكب سائل، تظهر عيوب نمطية: أجسام تخترق بعضها، وزبدة تختفي دون أن تترك بركة، وأشياء تغيّر شكلها بلا سبب. لقد تعلم النموذج كيف تبدو اللقطات، لكنه لم يستوعب الروابط السببية بينها.

هذا بالضبط ما يقيسه Physics-IQ. ظهر هذا المعيار إجابةً عن سؤال: هل تفهم نماذج الفيديو التوليدية المبادئ الفيزيائية؟ وكانت النتائج الأولى عليه متواضعة، إذ لم يكن هناك ارتباط يُذكر بين الواقعية البصرية والصحة الفيزيائية. أما كلمة Verified في اسم التصنيف فتشير إلى نسخة مدقَّقة من مجموعة الاختبار، لكن قواعدها الدقيقة لم يكشف عنها الإعلان.

ماذا يقترح Physis-Lang

الفكرة مذكورة في عنوان المادة: اللغة بوصفها تمثيلًا لنموذج العالم. عادةً تُرمَّز الفيزياء ضمنيًا في الفضاء الكامن، ولا يستطيع الإنسان الاطلاع عليها. أما هنا فتُصاغ العملية بالكلمات أولًا: ما الذي يسخن، وأي طور يتغير، وكيف يسيل المصهور، وأين يتجمع السائل. ثم يوجّه هذا «السجل الفيزيائي» النصي عملية التوليد.

لهذا الحل مزايا عملية:

• يمكن قراءة الوصف والتحقق منه وتصحيحه يدويًا؛
• تحتوي النماذج اللغوية أصلًا على قدر كبير من المعرفة بالفيزياء، ويمكن الاستفادة منها كمصدر؛
• يسهل تحديد موضع الخطأ: إما أن الخطة النصية غير صحيحة، أو أن نموذج الفيديو نفّذها بشكل سيئ.

وهناك خطر واضح أيضًا. فاللغة غير دقيقة، بينما الفيزياء كمّية. عبارة «الزبدة تذوب» لا تحدد السرعة ولا شكل البركة، ولذلك يظل نموذج الفيديو هو من يستكمل الباقي.

ما المعروف وما غير المعروف

• الجهة المطوّرة: NVIDIA، في امتداد لخط نماذج العالم إلى جانب منصة Cosmos.
• الاسم: Physis-Lang.
• النتيجة المعلنة: المركز الأول في Physics-IQ Verified.
• غير مذكور في الجزء المتاح: الدرجات، والفارق عن المنافسين، وحجم النموذج، وإتاحة الأوزان، والترخيص.

يدل المركز الأول في معيار واحد على قدرة محددة على مجموعة محددة من المشاهد. أما التعميم فيتطلب تشغيلات مستقلة واختبارًا على مشاهد خارج الاختبار.

الخلاصة العملية

بالنسبة إلى من يبنون منتجات على توليد الفيديو، من محاكيات الروبوتات إلى الإعلانات والمقاطع التعليمية، يكمن الاهتمام الرئيسي في أمر آخر: فالمُوجِّه (prompt) يتحول أكثر فأكثر إلى مواصفة فيزيائية. ومن المنطقي منذ الآن اختبار النماذج الخاصة بكم بمخطط من خطوتين: أن تطلبوا أولًا من نموذج لغوي وصف العملية على مراحل، ثم تمرروا هذا الوصف إلى مولّد الفيديو. وإذا نشرت NVIDIA الشيفرة أو الأوزان، فينبغي أول ما ينبغي مقارنة نتائجها بنتائج المُوجِّه العادي على مشاهد تتضمن تحولات طورية وسوائل وتلامسات. ففي هذه المشاهد تخطئ نماذج الفيديو أكثر من غيرها.

إلى حين صدور تقرير مفصل وقياسات مستقلة، من المعقول اعتبار Physis-Lang اتجاهًا واعدًا، لا حلًا مثبتًا لمشكلة الفيزياء في الفيديو.