بایت‌دنس چین از مولد ویدیو متن‌باز Goku رونمایی کرد؛‌ رقیب‌ چینی دیگری برای اوپن‌ای‌آی

به گزارش پیوست، هوش مصنوعی Goku توان تولید ویدیو و عکس را براساس پرامپت متنی دارد و با توجه به ماهیت متن‌باز موانع دسترسی را برای کسب‌وکارها و دیگر کاربران هوش مصنوعی کاهش می‌دهد.

عرضه این مدل را در حالی شاهد هستیم که افرادی همچون اریک اشمیت، رئیس سابق گوگل، درمورد لزوم تمرکز غرب بر مدل‌های هوش مصنوعی متن‌باز و پیشتازی چین در این عرصه هشدار داده‌اند.

هوش مصنوعی Goku‌ چیست؟

گوکو (Goku) یک مدل هوش مصنوعی متن‌باز است که با استفاده از پرامپت متنی تصاویر با کیفیتی را تولید می‌کند. این مدل از مبدل‌های جریان اصلاح شده استفاده می‌کند که با بهبود جریان‌های اطلاعات در داخل مدل، ویدیو و تصاویری روان‌تر و دقیق‌تر در اختیار کاربر می‌گذارند. گوکو نسخه جدید ابزار مولد تصویر بایت‌دنس است که به نسبت نسل قبلی مدل‌های این شرکت به نام Jimeng از لحاظ کیفیت بهبود یافته است.

مقاله فوربز می‌گوید خروجی چنین مدل‌هایی با مشکلات و ناهمخوانی‌های کمتری همراه است.

گوکو نیز همانند مدل‌های هوش مصنوعی شرکت متا و دیپ‌سیک متن‌باز است و همین مساله خبر خوشی برای کسب‌وکارها و استارت‌آپ‌هایی است که به دنبال دسترسی بیشتر به ابزارهای پیشرفته هوش مصنوعی هستند.

با این حال چالش‌گر‌های متن‌باز سلطه شرکت‌هایی همچون اوپن‌ای‌آی را که با مدل‌های اختصاصی و پرهزینه به دنبال کسب بازار هستند، کاهش می‌دهند.

ابزار شرکت بایت‌دنس عملکرد خوبی را در بنچمارک‌های مختلف به ثبت رسانده است. گزارشی از Decoder می‌گوید مدل Goku-T2V این شرکت در بنچمارک VBench که شرکت‌های دیگری همچون Kling و Pika (ارائه دهنده ابزارهای مولد ویدیو و تصویر) نیز از آن استفاده می‌کنند امتیاز ۸۴.۲۵ را کسب کرده است. با اینکه بایت‌دنس محدودیتی را از لحاظ کیفیت برای این مدل هوش مصنوعی اعلام نکرده است اما نمونه‌های ارائه شده در وبسایت شرکت همگی کلیپ‌های چهارثانیه‌ای با ۲۴ فریم بر ثانیه و وضوح تصویر 720p هستند.

ارزش واقعی در کاربرد این مدل نهفته است

گزارش فوربز تصریح می‌کند که مدل Goku هزینه تولید را کاهش می‌دهد،‌ روندی که در حوزه‌های دیگری مثل کدنویسی با مدل R1 دیپ‌سیک مشاهده کردیم و یا نویسندگی که حالا در بسیاری از مدل‌های هوش مصنوعی به صورت رایگان قابل دسترسی است.

اما تولید ویدیو و تصویر با هوش مصنوعی همچنان یک فرایند پرهزینه‌ است و مدل‌هایی مثل Goku به دنبال کاهش هزینه این بخش هستند. فوربز می‌گوید ارزش واقعی این مدل‌ها زمانی پدیدار می‌شود که کسب‌وکارها بتوانند از محتوای تولیدی آنها استفاده کنند.

نویسنده مقاله فوربز توضیح می‌دهد که همانند آنچه در صنعت بازاریابی مشاهده می‌کنیم، ایده یا محصول اولیه (محتوایی که مدل‌ها در اختیار کاربر می‌گذارند) بخشی از فرایند است و ارزش نهایی زمانی خلق می‌شود که یک ایده بازاریابی در مرحله انتخاب و اجرا بازدهی کافی را داشته باشد و خروجی مدل‌های هوش مصنوعی نیز در صورت بازدهی تجاری به خلق ارزش منجر می‌شوند.

نویسنده این مقاله توضیح می‌دهد که به همین دلیل سواد هوش مصنوعی باید به اولویتی باری کسب‌وکارها تبدیل شود تا فعالان تجاری بتوانند به خوبی از اپلیکیشن‌های هوش صمنوعی مختلف در بخش‌های مختلف تجاری از جمله بازاریابی فروش، تجربه مشتری و تولید استفاده کنند.

گزارش Decoder می‌گوید شرکت بایت‌دنس استفاده‌هایی را برای این هوش مصنوعی در بخش تولید رسانه، تبلیغات، بازی‌سازی و جهان مدلینگ پیش‌بینی کرده است. نسخه ویژه‌ این هوش مصنوعی به نام Goku+ روی تولید محتوای تبلیغاتی با حضور انسان و محصولات تمرکز دارد.

خطر دیپ‌فیک‌ها

یکی از نگرانی‌های همیشگی در رابطه با هوش مصنوعی مولد، تولید محتوای جعلی است که در محتوایی ویدیویی این محتوای جعلی به دیپ‌فیک معروف است. ابزارهای هوش مصنوعی می‌توانند محتوایی به ظاهر واقعی را با دقت بالا تولید کنند و همین مساله خطری دیپ‌فیک‌ها را افزایش می‌دهد.

ارائه ابزارهای متن‌بازی همچون Goku با اینکه فوایدی مثل افزایش نفوذ و سهولت دسترسی را به همراه دارند، اما در عین حال دسترسی تبهکاران را نیز به این ابزارها ساده‌تر می‌کنند و از همین رو به ابزارهای بهتری برای شناسایی محتوایی تولیدی هوش مصنوعی و تشخیص آن از محتوای واقعی نیاز است. سواد هوش مصنوعی در این حوزه نیز به کمک کسب‌وکارها و کاربران معمولی می‌آید تا به خوبی از ابزارهای مختلف برای حقیقت‌سنجی محتوا استفاده کنند و یا نشانه‌های محتوای ساخته هوش مصنوعی را به خوبی تشخیص دهند.