TBC, Wan 2.2 Tabanlı, Nöronlardan Esinlenen Mischief Yapay Zekâ Video Modelini Tanıttı

Kısa bir yapay zekâ videosu oluşturmak, kullanılabilir bir klip ortaya çıkana kadar tekrar tekrar denemeyi ve beklemeyi gerektirebilir. Biological Computing Co. (TBC), yaşayan nöronlardan elde edilen ölçümlerden yararlanarak bu süreci kısaltmaya çalışıyor.

Şirket, Wan 2.2 tabanlı bir görüntüden videoya modeli olan TBC Mischief’i 30 Ekim’de fal.ai üzerinden kullanıma sunuyor. TBC, kendi sürümünün videoları temel modelden beş kat daha hızlı ve %80 daha düşük maliyetle oluşturduğunu, aynı zamanda çıktı kalitesini artırdığını söylüyor. Bunlar şirketin bildirdiği karşılaştırmalar; duyuruda bağımsız bir kıyaslama sonucu veya bu kazanımların farklı iş yüklerinde ne ölçüde elde edilebileceğini ortaya koymaya yetecek test ayrıntıları yer almıyor.

Temel fark, biyolojinin sisteme nasıl dâhil edildiğinde yatıyor. Mischief, geleneksel yapay zekâ donanımında çalışan bir yazılım. Müşteriler yaşayan hücrelere istem göndermiyor veya biyolojik işlemciler kurmuyor. TBC, araştırma sürecinde nöronal aktiviteden yararlanıyor ve öğrendiklerini mevcut bir modeli değiştiren yazılıma dönüştürüyor.

TBC Mischief neler sunuyor?

Lansman duyurusuna göre Mischief, 2 Kasım’a kadar ücretsiz erişimle fal.ai’nin görüntüden videoya uç noktası üzerinden kullanılabilecek. Açıklanan fiyat, oluşturulan videonun saniyesi başına 0,02 dolar. Bu tarifeyle, diğer iş akışı giderleri hariç, beşer saniyelik 100 klibin maliyeti 10 dolar olur.

TBC ayrıca Wonder Studios’un modeli, yaklaşık altı dakikada beşer saniyelik 100 klip oluşturan bir prodüksiyon iş akışında test ettiğini söylüyor. Bu, her bir kullanıcının beklemesi gereken gecikmenin ölçümü değil, bildirilen bir toplu işlem sonucudur. Eşzamanlılık, çözünürlük, örnekleme ayarları ve sunucu donanımı; toplu işlem hacmi ile tek bir isteğin tamamlanması için gereken süre arasındaki ilişkiyi değiştirebilir.

Yaratıcı ekipler açısından asıl soru, daha hızlı bir modelin dolar başına daha fazla kullanılabilir görüntü üretip üretmediği. Bir çekim için defalarca yeniden deneme gerekiyorsa, devamlılık bozuluyorsa veya model girdi görüntüsünü izlemiyorsa daha düşük üretim fiyatının önemi azalır. Bu nedenle Mischief’i değerlendirirken eşdeğer ayarlar altında hem hızı hem de başarılı çıktıları karşılaştırmak gerekir.

Nöron kayıtlarından yazılım katmanına

Şirket, TBC’nin web sitesinde hesaplamaya dayalı zorlukların elektrik sinyallerine kodlanması, kültürlenmiş nöron ağlarının tepkilerinin ölçülmesi ve yazılımla uygulanabilecek ilkelerin çıkarılması aşamalarından oluşan bir süreci anlatıyor. Şirketin ticari yaklaşımı, difüzyon transformatörü bloklarının çevresine eklenen ve temel modelin parametre sayısını %0,1’den daha az artırdığını belirttiği bir eğitim sonrası katmandan oluşuyor.

Bu küçük ekleme, ürünün temel vaadi açısından önem taşıyor: Mevcut bir model, tümüyle yeni bir temel modelle değiştirilmeden hedefli biçimde değiştirilebiliyor. Biyolojik bileşen keşif ve geliştirme aşamasında yer alıyor; sonuçta ortaya çıkan çıkarım sistemi ise dijital kalıyor.

Şirketin Neural Dynamics Adapter hakkındaki teknik yazısı, önceki araştırmalarına dair daha somut bir örnek sunuyor. Bu çalışmada TBC, kültürlenmiş sinirsel aktiviteyi 4.096 elektrotlu yüksek yoğunluklu bir diziyle kaydetti, bu kayıtları sayısal temsillere dönüştürdü ve bir difüzyon modeline hafif bir bağdaştırıcı ekledi. Çalışmada, Mischief’in temelini oluşturan Wan 2.2 modeli yerine etkileşimli bir Minecraft video modeli olan Oasis kullanıldı.

Bu ayrım önemli. Etkileşimli bir ortamda elde edilen araştırma sonucu, yöntemin açıklanmasına yardımcı olabilir ancak ayrı bir ticari ürünün performansını kanıtlamaz. Bağdaştırıcı yazısında, test ortamının dar kapsamlı olması ve sonuçların gürültü giderme ayarlarına göre değişmesi dâhil olmak üzere sınırlılıklar da açıklanıyor. Çalışma, makul bir mühendislik yaklaşımını destekliyor; ancak bu yaklaşımın daha geniş kapsamda genellenebileceğinin henüz gösterilmesi gerekiyor.

Biyoloji ve geleneksel optimizasyon birlikte çalışabilir

TBC’nin ayrı bir yazısı olan Uzay ve Zaman Algısı, biyolojik gözlemleri video üretimine aktarmanın başka bir yolunu inceliyor. Araştırma mimarisi, kareler boyunca bilginin nasıl korunacağına yön vermek için sinirsel ölçümlerden yararlanarak yerel uzamsal işlemeyi küçük bir zamansal bellekte birleştiriyor.

Yazıda, kullanıma sunulan hız iyileştirmelerinin model değişiklikleriyle sunum optimizasyonlarının bir araya getirilmesiyle elde edildiği de açıkça belirtiliyor. Bu optimizasyonlar arasında daha önce işlenmiş bağlamın önbelleğe alınması, örnekleme işlemlerinin azaltılması ve birden fazla oturumun verimli biçimde sunulması yer alıyor. Bulgular, Mischief’in doğrudan kıyaslama sonuçlarını değil, Oasis tabanlı etkileşimli bir video sistemini konu alıyor.

Bu bilgiler lansmana yararlı bir bağlam sunuyor: Biyolojik araştırmalar bir model mimarisine yön verebilirken, bilinen yazılım teknikleri de nihai sistemin verimliliğine katkıda bulunabiliyor. Bu katkıların birbirinden ayrılması, geliştiricilerin kazanımların hangilerinin modelden, hangilerinin çıkarım yığınından, hangilerininse belirli bir dağıtım biçimine bağlı olarak ortaya çıktığını anlamasına yardımcı olur.

Mevcut yapay zekâ altyapısına uzanan bir yol

Mischief, TBC’nin Amazon Web Services ile iş birliğini duyurduğu eylül açıklamasının ardından geliyor. Bu duyuruda AWS Trainium, Amazon SageMaker AI ve nöronlardan esinlenen yazılımın AWS Marketplace üzerinden ticari dağıtımına yönelik bir yol için yürütülen çalışmalar anlatılmıştı. Önceki iş birliği metinden videoya çalışmalarıyla ilgiliydi; Mischief’in lansmanı ise fal.ai üzerinden görüntüden videoya erişime odaklanıyor.

Yaygın yaklaşım, araştırmayı geliştiricilerin hâlihazırda kullandığı altyapıya taşımaktır. API üzerinden erişilebilen bir modeli mevcut yaratıcı iş akışında değerlendirmek, yeni bir fiziksel donanım sınıfı gerektiren bir sistemi değerlendirmekten daha kolaydır. Ayrıca kullanıcılara, şirketin iddialarını kendi görselleri, istemleri ve kabul ölçütleriyle sınamak için pratik bir fırsat sunar.

CEO ve kurucu ortak Alex Ksendzovsky ile COO ve kurucu ortak Jon Pomeraniec liderliğindeki TBC, daha yeni video modellerini, dil modellerini ve fiziksel yapay zekâyı da araştırdığını söylüyor. Bunlar, bu sürümle doğrulanmış yeteneklerden ziyade geliştirme alanlarıdır.

Lansmanı anlamlı kılacak unsurlar neler?

Bundan sonraki en faydalı kanıt, Wan 2.2 ile tekrarlanabilir bir karşılaştırma olur: aynı donanım ve çözünürlük kullanılmalı, örnekleme ayarları açıklanmalı, gecikme ile işlem hacmi ayrı ayrı ölçülmeli ve kalite geniş bir girdi kümesi üzerinden değerlendirilmelidir. Çıkarım maliyetinin düşmesini hesaplama verimliliğine ilişkin iddialarla ilişkilendirmek için enerji ölçümleri de gerekir.

Mischief’in lansmanı, TBC’nin yaklaşımını araştırma açıklamalarından geliştiricilerin gerçekten sınayabileceği bir araca taşıyor. Uzun vadeli önemi, avantajların seçilmiş gösterimlerin ötesinde ve farklı modellerde de geçerliliğini koruyup korumayacağına bağlı olacak. Şimdilik ortaya konan somut öneri, biyolojik deneylerden esinlenen ve mevcut bir video modelinin kullanım maliyetini düşürmeyi amaçlayan küçük bir yazılım değişikliği.