Софія стежить за грошима, політикою та платформами, які визначають, що можуть створювати автори.
Отримуй на пошту головні історії тижня про ШІ та ШІ-арт — відібрані, стислі, безкоштовно.
Безкоштовно. Відписатися можна будь-коли.
Обери компаньйона і дізнайся його думку про цю історію
Стартапи у сфері world model сидять на величезних раундах фінансування й величезному ажіотажі — і майже нікому не розповідають, включно з власними постачальниками даних, що саме вони будують.
За даними TechCrunch, непрозорість у цьому секторі незвична навіть за мірками індустрії ШІ. Засновники відмовляються описувати свої архітектури. Постачальники даних кажуть, що підписали угоди, але не мають жодного уявлення про те, як використовується їхній контент. Потенційних корпоративних клієнтів просять підтвердити зацікавленість, не надаючи їм технічної документації.
World model — системи ШІ, навчені симулювати середовища, фізику або інтерактивні сцени, а не просто генерувати статичні результати, — позиціонуються як інфраструктурний шар під майбутніми генеративними інструментами. Це робить секретність безпосередньо актуальною для всіх, хто сьогодні будує на основі генерації зображень або відео за допомогою ШІ. Якщо базові платформи world model непрозорі щодо своїх навчальних даних, творці, які зрештою залежатимуть від цих систем, успадковують ті самі правові та якісні ризики — без інформації, необхідної для їх оцінки.
Компанії у сфері world model залучають значний капітал, зберігаючи свої архітектури та конвеєри навчання майже в повній таємниці.
Зображення: TechCrunch / TechCrunch AI
Динаміка фінансування тут заслуговує на пряме називання. Інвестори оцінюють ці компанії на основі бачення та команди, а не перевірених технічних тверджень — бо на столі майже немає жодних перевірених технічних тверджень. Це прийнятна позиція для венчурного раунду, але вона переносить ризик нижче по ланцюжку. Підприємства, що інтегрують API world model у виробничі конвеєри, і творчі інструменти, побудовані на їх основі, зрештою мають враховувати, що насправді міститься всередині цих систем.
Постачальники даних перебувають у особливо слабкій позиції. Коли компанія не може сказати вам, що саме навчають ваші дані, ви не можете змістовно вести переговори щодо роялті, атрибуції чи ексклюзивності. Суперечка між Microsoft і OpenAI щодо скрейпінгу показала, наскільки серйозно можуть загостритися суперечки щодо джерел даних, коли вони виходять на рівень судових позовів — а компанії у сфері world model накопичують таку саму приховану відповідальність за значно товстішою стіною мовчання.
Секретність також унеможливлює незалежну оцінку безпеки, яка стала предметом живої дискусії на передньому краї. Прагнення Anthropic до сторонніх аудитів і власні розкриті OpenAI інциденти з неузгодженістю принаймні сформували певний публічний запис. Компанії у сфері world model, навпаки, не створюють жодного такого запису.
Для творців, які використовують інструменти генерації зображень і відео за допомогою ШІ на таких платформах, як генератор ШІ від Charmloop, практичним наслідком є прогалина в належній перевірці. Коли новий генеративний інструмент оголошує про можливості world model — більш насичену 3D-узгодженість, постійну пам'ять сцен, генерацію інтерактивних середовищ — наразі немає публічного бенчмарку чи розкриття архітектури, щоб оцінити це твердження. Творців просять тестувати й приймати на віру.
Це не безпрецедентно. Хвиля дифузійних моделей 2022–23 років породила схожу закономірність: закриті конвеєри, суперечливі навчальні дані та прогалини в якості, які стали помітними лише після того, як творці вже побудували робочі процеси навколо конкретних інструментів. Різниця зараз — у масштабі. Компанії у сфері world model залучають кошти за оцінками, що передбачають їхнє перетворення на інфраструктуру, а не просто застосунки — а отже, непрозорість посилюється в міру просування вниз по стеку.
Конкретна залежність, за якою варто стежити, — це публікація бенчмарків. Доки компанії у сфері world model не оприлюднять відтворювані оцінки — щодо узгодженості сцен, фізичної правдоподібності та походження навчальних даних — творці й платформи, що будують на їх основі, діятимуть без інформації, необхідної для обґрунтованих рішень. Питання, що визначає часові рамки, — що змусить до цього розкриття першим: конкурентний тиск чи регуляторна перевірка.