Lior Hakim, Συνιδρυτής και Τεχνικός Διευθυντής της Hour One – Σειρά Συνεντεύξεων

Ο Lior Hakim, συνιδρυτής και τεχνικός διευθυντής της Hour One, ενός ηγέτη στην βιομηχανία της δημιουργίας εικονικών ανθρώπων για επαγγελματικές βίντεο επικοινωνίες. Οι εικονικοί χαρακτήρες, που έχουν μοντελοποιηθεί αποκλειστικά με βάση πραγματικά άτομα, μεταφέρουν ανθρώπινη εκφραστικότητα μέσω κειμένου, ενδυναμώνοντας τις επιχειρήσεις να ανυψώσουν το μήνυμά τους με απαράμιλλη ευκολία και δυνατότητα κλιμάκωσης.

Μπορείτε να μοιραστείτε την ιστορία πίσω από την Hour One;

Η προέλευση της Hour One μπορεί να ανιχνευθεί πίσω στη συμμετοχή μου στον τομέα των κρυπτονομισμάτων. Μετά από αυτήν την προσπάθεια, άρχισα να σκέφτομαι τι θα ήταν το επόμενο μεγάλο πράγμα που θα μπορούσε να αξιοποιηθεί από την μεγάλης κλίμακας υπολογιστική ισχύ του cloud και καθώς η μηχανική μάθηση κέρδιζε δημοτικότητα στις συστάσεις και την προγνωστική ανάλυση, δούλευα σε μερικά έργα που σχετίζονταν με την υποδομή ML. Μέσω αυτής της δουλειάς, έγινα εξοικειωμένος με τις πρώτες εργασίες παραγωγικής AI και ήμουν ιδιαίτερα ενδιαφερμένος για τα GANs εκείνη την εποχή. Χρησιμοποιούσα όλους τους υπολογιστικούς πόρους που μπορούσα να αποκτήσω για να δοκιμάσω αυτές τις νέες τεχνολογίες. Όταν έδειξα τα αποτελέσματα σε έναν φίλο που είχε μια εταιρεία στον τομέα, μου είπε ότι πρέπει να συναντήσω τον Oren. Όταν τον ρώτησα γιατί, μου είπε ότι ίσως και οι δύο μας να σταματήσουμε να σπαταλούμε τον χρόνο του και να σπαταλήσουμε ο ένας τον χρόνο του άλλου. Ο Oren, ο συνιδρυτής και διευθύνων σύμβουλος της Hour One, ήταν ένας πρώιμος επενδυτής στην AI εκείνη την εποχή και ενώ στεκόμασταν σε διαφορετικές θέσεις, κινούμασταν προς την ίδια κατεύθυνση, και η ίδρυση της Hour One για να γίνει το Σπίτι του Εικονικού Ανθρώπου ήταν ένα αναπόφευκτο ταξίδι.

Ποιοι είναι μερικοί από τους αλγορίθμους μηχανικής μάθησης που χρησιμοποιούνται και ποιο μέρος της διαδικασίας είναι η παραγωγική AI;

Στον τομέα της δημιουργίας βίντεο, οι αλγόριθμοι μηχανικής μάθησης είναι θεμελιώδεις σε κάθε στάδιο. Στη φάση του σεναρίου, τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) προσφέρουν αξιόλογη υποστήριξη, δημιουργώντας ή βελτιώνοντας το περιεχόμενο για να διασφαλίσουν ελκυστικές αφηγήσεις. Όταν μεταβαίνουμε στο ήχο, οι αλγόριθμοι Text-to-Speech (TTS) μετατρέπουν το κείμενο σε οργανικές, εκφραστικές φωνές. Στη οπτική αναπαράσταση, το ιδιοκτητικό μας Πολυτροπικό μοντέλο του εικονικού ανθρώπου παίζει τον κεντρικό ρόλο. Αυτό το μοντέλο, ενισχυμένο με παραγωγικά ανταγωνιστικά δίκτυα (GANs) και μεταβλητικούς αυτόματους κωδικοποιητές (VAEs), είναι ικανό να αποδίδει συναισθήματα ανάλογα με το πλαίσιο, καθαρή άρθρωση και μια εκφραστική, ελκυστική και αυθεντική παρουσίαση. Αυτές οι παραγωγικές τεχνικές μετατρέπουν το κείμενο και τα ηχητικά σήματα σε εικονικές εικόνες εικονικών ανθρώπων, οδηγώντας σε υπερρεαλιστικά βίντεο. Ο συντονισμός των LLMs, TTS, GANs, VAEs και του Πολυτροπικού μοντέλου μας κάνει τη παραγωγική AI όχι μόνο ένα μέρος αλλά και την σπονδυλική στήλη της σύγχρονης παραγωγής βίντεο.

Πώς διαφοροποιείται η Hour One από άλλους γεννήτορες βίντεο;

Στην Hour One, η διαφοροποίηση μας από άλλους γεννήτορες βίντεο δεν προέρχεται από μια εμμονή με τον ανταγωνισμό, αλλά από μια βαθιά ριζωμένη φιλοσοφία που διέπει την προσέγγισή μας στην ποιότητα, το σχεδιασμό προϊόντων και την αγορά. Η οδηγία μας είναι να προτεραιοποιούμε πάντα το ανθρώπινο στοιχείο, διασφαλίζοντας ότι οι δημιουργίες μας αντηχούν με αυθεντικότητα και συναισθηματική εκφραστικότητα. Περηφανευόμαστε που προσφέρουμε την καλύτερη ποιότητα στην βιομηχανία χωρίς συμβιβασμούς. Χρησιμοποιώντας προηγμένα 3D βίντεο rendering, παρέχουμε στους χρήστες μας μια γνήσια κινηματογραφική εμπειρία. Επιπλέον, η στρατηγική μας είναι διαμορφωμένη με σαφή και ιδιαίτερη άποψη· αρχίζουμε με ένα γυαλισμένο προϊόν και στη συνέχεια ταχύτατα επαναλαμβάνουμε προς την τελειότητα. Αυτή η προσέγγιση διασφαλίζει ότι οι προσφερόμενες υπηρεσίες μας είναι πάντα ένα βήμα μπροστά, θέτοντας νέους στόχους στην παραγωγή βίντεο.

Με την εκτενή σας εμπειρία σε GPUs, μπορείτε να μοιραστείτε κάποιες απόψεις σας για το πλατφόρμα NVIDIA GH200 Grace Hopper Superchip νέας γενιάς (NVDA );

Η αρχιτεκτονική Grace Hopper είναι πραγματικά ένας game changer. Αν ο GPU μπορεί να λειτουργήσει αποτελεσματικά από την RAM του host χωρίς να δημιουργήσει σοβαρά σημεία συμφόρησης, αυτό επιτρέπει αναλογίες μεγέθους μοντέλου προς επιταχυντή που σήμερα δεν είναι εφικτές κατά την εκπαίδευση, και ως αποτέλεσμα, μια πολύ επιθυμητή ευελιξία στις διαστάσεις των εργασιών εκπαίδευσης. Υποθέτοντας ότι ολόκληρο το απόθεμα GH200 δεν θα καταναλωθεί από την εκπαίδευση LLM, ελπίζουμε να το χρησιμοποιήσουμε για να μειώσουμε σημαντικά το κόστος δημιουργίας πρωτοτύπων για τις πολυτροπικές αρχιτεκτονικές μας στο μέλλον.

Υπάρχουν άλλα chips που είναι τώρα στο ραντάρ σας;

Ο κύριος μας στόχος είναι να προσφέρουμε στον χρήστη βίντεο περιεχόμενο που είναι ανταγωνιστικό σε τιμή. Δεδομένης της ζήτησης για μεγάλες μνήμες GPUs αυτή τη στιγμή, βελτιώνουμε συνεχώς και δοκιμάζουμε κάθε GPU cloud προσφορά από τους κορυφαίους παρόχους cloud. Επιπλέον, επιδιώκουμε να είμαστε τουλάχιστον μερικά ανεξάρτητοι από πλατφόρμα σε κάποιες από τις εργασίες μας. Έτσι, παρακολουθούμε TPUs και άλλα ASICs, και επίσης δίνουμε ιδιαίτερη προσοχή στην AMD. Τελικά, οποιαδήποτε hardware-οδηγούμενη διαδρομή βελτίωσης που μπορεί να οδηγήσει σε καλύτερο FLOPs/$ ratio θα εξεταστεί.

Τι είναι το όραμά σας για μελλοντικές προόδους στη δημιουργία βίντεο;

Σε 24 μήνες, δεν θα μπορούμε να διακρίνουμε έναν ψηφιακά δημιουργημένο άνθρωπο από έναν πραγματικό άνθρωπο σε βιντεολήψη. Αυτό θα αλλάξει πολλά πράγματα, και είμαστε εδώ στην πρώτη γραμμή αυτών των προόδων.

Τώρα, τα περισσότερα παραγόμενα βίντεο είναι για υπολογιστές και κινητά τηλέφωνα, τι πρέπει να αλλάξει πριν να έχουμε φωτορεαλιστικά άβαταρ και κόσμους τόσο για την επαυξημένη πραγματικότητα και την εικονική πραγματικότητα;

Τώρα, διαθέτουμε την ικανότητα να δημιουργούμε φωτορεαλιστικά άβαταρ και κόσμους τόσο για την επαυξημένη πραγματικότητα (AR) και την εικονική πραγματικότητα (VR). Το κύριο εμπόδιο είναι η καθυστέρηση. Ενώ η παράδοση υψηλής ποιότητας, πραγματικού χρόνου γραφικών σε περιφερειακές συσκευές όπως AR και VR headsets είναι ζωτικής σημασίας, η επίτευξη αυτής της διαδικασίας χωρίς προβλήματα είναι εξαρτημένη από πολλούς παράγοντες. Πρώτα και κύρια, εξαρτόμαστε από προόδους στην κατασκευή chip για να διασφαλίσουμε ταχύτερη και πιο αποτελεσματική επεξεργασία. Παράλληλα, η βελτίωση της κατανάλωσης ενέργειας είναι κρίσιμη για να διασφαλίσουμε μεγαλύτερη διάρκεια χρήσης χωρίς να επηρεάζεται η εμπειρία. Τελευταίο αλλά όχι λιγότερο σημαντικό, περιμένουμε σημαντικές καινοτομίες λογισμικού που μπορούν να γεφυρώσουν αποτελεσματικά το χάσμα μεταξύ δημιουργίας και πραγματικού χρόνου rendering. Όταν αυτά τα στοιχεία έρθουν μαζί, θα δούμε μια αύξηση στην αξιοποίηση φωτορεαλιστικών άβαταρ και περιβαλλόντων τόσο στις πλατφόρμες AR όσο και στις πλατφόρμες VR.

Τι περιμένετε να είναι η επόμενη μεγάλη πρόοδος στην AI;

Όταν πρόκειται για την επόμενη σημαντική πρόοδο στην AI, υπάρχει πάντα μια ατμόσφαιρα ενθουσιασμού και αναμονής. Ενώ έχω αναφερθεί σε κάποιες προόδους νωρίτερα, αυτό που μπορώ να μοιραστώ είναι ότι εργαζόμαστε ενεργά σε πολλές πρωτοποριακές καινοτομίες αυτή τη στιγμή. Θα ήθελα να μιλήσω για λεπτομέρειες, αλλά για τώρα, σας ενθαρρύνω να παρακολουθήσετε τις επικείμενες κυκλοφορίες μας. Το μέλλον της AI διαθέτει τεράστιες υποσχέσεις, και είμαστε ενθουσιασμένοι να βρισκόμαστε στην πρώτη γραμμή αυτών των πρωτοποριακών προσπαθειών. Παρακολουθήστε!

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με την Hour One;

Θα πρέπει να ελέγξετε τον διακομιστή μας discord και το API, νέες προσθήκες στην πλατφόρμα μας στην Hour One.