فيكتور إروخيموف، الرئيس التنفيذي لشركة CraftStory – سلسلة المقابلات

فيكتور إروخيموف، الرئيس التنفيذي لشركة CraftStory، هو مهندس أبحاث في مجال الرؤية الحاسوبية تحول إلى رجل أعمال ساهم في تشكيل التطور المبكر لبرنامج OpenCV، ثم شارك في تأسيس شركة Itseez وقادها من شركة بدائية إلى واحدة من أبرز فرق البحث في مجال الرؤية الحاسوبية قبل استحواذ شركة Intel عليها. على مدار أكثر من عقد من الزمن، تقدم من منصب كبير المهندسين إلى الرئيس التنفيذي ثم إلى الرئيس، واستمر في هذا المسار في شركة Itseez3D، حيث قاد تطوير تقنيات المسح ثلاثي الأبعاد وتوليد الأفاتار المتقدمة على الهواتف المحمولة، كما شغل منصب عضو مجلس إدارة في موقع OpenCV.org لمدة طويلة.

في شركة CraftStory، يركز الآن على إنشاء مقاطع فيديو أصلية باستخدام الذكاء الاصطناعي، من خلال بناء تقنيات تحول المدخلات البسيطة إلى مقاطع فيديو واقعية ومتقدمة جاهزة للاستخدام. تحت إدارته، تعمل الشركة على تطوير نماذج فيديو توليدية من الجيل التالي مصممة للفرق التسويقية والمدربين وقصص المنتجات الذين يحتاجون إلى محتوى سريع وعالية الجودة دون الحاجة إلى استوديوهات.

لقد كنت قوة دافعة وراء بعض مشاريع الرؤية الحاسوبية الأكثر تأثيرا، من OpenCV إلى Itseez3D. ما هو ما ألهمك لتأسيس CraftStory، وكيف ساهم عملك السابق في تشكيل رؤية الفيديو الطويل والجودة الاستوديوية بواسطة الذكاء الاصطناعي؟

قبل CraftStory، كنا نعمل على Avatar SDK – أداة لإنشاء أفاتار واقعية من الصور الشخصية لاستخدامات الواقع الافتراضي والواقع المعزز والألعاب والتسويق والتطبيقات الأخرى.لقد كنا نفكر بعمق في البشر الرقميين لعدة سنوات. ثم، قبل عامين تقريباً، أدركنا أن تقنية الجيل العام للفيديو أصبحت جيدة بما يكفي لفتح موجة جديدة من التطبيقات، وبدأنا العمل عليها على الفور.

أطلقت CraftStory مع مؤسسي OpenCV في قلبها. كيف أثرت الخلفية المشتركة على الاتجاه الفني وأولويات البحث لنموذج 2.0؟

نحن نعيش في فترة تقدم استثنائي في مجال الرؤية الحاسوبية والتعلم الآلي. يبدو الأمر وكأن جميع الاختراقات في ميكانيكا الكم في البداية – التي كانت منتشرة على عقود – قد ضُغطت في بضع سنوات فقط. لقد تقدم فهم الصور وتوليدها بشكل كبير أكثر مما كنا نعمل به عند تطوير OpenCV.بعد ملاحظة هذه التطورات لمدة تزيد على عقد من الزمن، ووضع توقعات ونجاحها أو فشلها، لقد اكتسبنا تصوراً عميقاً لمعرفة الاتجاه الذي تتحرك نحوه التكنولوجيا والسوق. هذا المنظور شكل مباشرة أولوياتنا البحثية وخططنا لنموذج 2.0.

يتناول نموذج 2.0 شيء ما يصارع معه nhiều من نماذج الفيديو: الحفاظ على الهوية والانفعالات والاتساق عبر دقائق من اللقطات. ما هي الاختراقات التي جعلت هذا ممكناً؟

لقد بنيت نظام متقدم لتناغم الشفاه والايماءات. إلى أي مدى نحن بعيدين عن الحوار الواقعي الكامل بواسطة الذكاء الاصطناعي، وما المهمة التي لا تزال بحاجة إلى تحسين؟

أعتقد أننا قريبون جداً. جولة واحدة أخرى من التكنولوجيا – خاصة لجعلها أسرع وإنتاج 1080p أصلي – ستحصلنا على حوار واقعي كلي بواسطة الذكاء الاصطناعي.

النماذج النصية إلى فيديو التي تتطورها وعدت بإنشاء طويل الأمد مباشرة من السيناريوهات. ما هي الحواجز الفنية التي لا تزال تعمل على تخطيها قبل أن يصبح هذا الشكل شائعاً؟

لا توجد حواجز أساسية – فقط الكثير من العمل الهندسي الذي يتعين القيام به. كان الفيديو إلى فيديو هو الثمرة الأسهل، لذلك أطلقناه أولاً. الآن نحن مركزون على نموذج الصورة إلى الفيديو الذي يأخذ سيناريو وصور مرجعية كمدخلات. نحن نحرز تقدم سريع وأمل أن نطرحها في غضون بضعة أسابيع.

تسلسلات الكاميرا المتحركة – مثل لقطات المشي والنقاش – هي خطوة كبيرة نحو آليّة السينما. كيف يتعامل فريقك مع هذا التحدي مقارنة بالمنافسين مثل Sora؟

مع تقدم تقنية الفيديو بواسطة الذكاء الاصطناعي إلى أفق أكثر واقعية ومتساماً، ما هي الحماية الأخلاقية والإبداعية التي تعتقد أنها يجب أن تكون موجودة مع انتشار هذه التكنولوجيا؟

كل تكنولوجيا قوية هي سيف ذو حدين، ومن المهم فهم المخاطر الخاصة التي تأتي مع إطلاقها إلى السوق. في فيديو الإنسان بواسطة الذكاء الاصطناعي، التمثيل هو القلق الأكبر – على الرغم من أنه ليس القلق الوحيد. لقد قمنا بتحليل هذه المخاطر وطبقنا حماية لمنع حالات استخدام ضارة معينة. مع تقدم التكنولوجيا إلى أفق أكثر واقعية ومتساماً، سيكون الحفاظ على حماية قوية أخلاقية وإبداعية ضرورياً للصناعة بأكملها.

شكراً على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة CraftStory.