تُظهر تقنيات الذكاء الاصطناعي التوليدي قفزات كبيرة في العقد الأخير. تتجاوز قدراتها اليوم مجرد إنشاء نصوص إلى توليد عوالم مرئية كاملة. تعتمد على نماذج حاسوبية ضخمة تفهم العلاقة بين اللغة البشرية والخصائص الفيزيائية للأشياء. تتيح هذه النظم للآلة تخيل مشاهد جديدة وتطبيقها بدقة تحاكي الواقع وتلتزم بقوانين الحركة والإضاءة.
الإدراك الفيزيائي المدمج
تستخدم هذه النماذج نماذج الانتشار، التي تبدأ بمقطع فيديو مشوش وتزيل الضوضاء تدريجيًا وفق الوصف النصي للمستخدم. تقسم المقاطع إلى وحدات صغيرة تشبه الكلمات في النماذج اللغوية، مما يسمح للآلة بالتنبؤ بحركة العناصر وتفاعلها مع بيئتها عبر الزمن. يتركز الاهتمام على ما يُعرف بالإدراك الفيزيائي المدمج، حيث تستخلص الآلة القوانين من أنماط البيانات المرئية عبر تحليل ملايين ساعات من المحتوى البصري. تفتح هذه القدرة تطبيقات واسعة في صناعة المحتوى وتطوير الألعاب والبحوث العلمية، مع تقليل التكلفة والوقت مقارنةً بالطرق التقليدية.
