TBC ra mắt Mischief, mô hình video AI bắt nguồn từ tế bào thần kinh, được xây dựng trên Wan 2.2

Việc tạo một video AI ngắn có thể đòi hỏi phải chờ qua nhiều lần thử mới có được một đoạn phim dùng được. Biological Computing Co. (TBC) đang tìm cách rút ngắn quá trình đó bằng một nguồn cảm hứng khác thường: các phép đo hoạt động của tế bào thần kinh sống.

Ngày 30 tháng 10, công ty sẽ ra mắt TBC Mischief, một mô hình chuyển ảnh thành video dựa trên Wan 2.2, thông qua fal.ai. TBC cho biết phiên bản của mình tạo video nhanh gấp 5 lần, với chi phí thấp hơn 80% so với mô hình nền tảng, đồng thời cải thiện chất lượng đầu ra. Đây là những so sánh do công ty công bố; thông báo không đưa ra benchmark độc lập hoặc đủ chi tiết về thử nghiệm để xác định những cải thiện này sẽ áp dụng ra sao với các khối lượng công việc khác nhau.

Điểm khác biệt cốt lõi nằm ở cách yếu tố sinh học được đưa vào hệ thống. Mischief chạy dưới dạng phần mềm trên phần cứng AI thông thường. Khách hàng không gửi câu lệnh cho tế bào sống hay lắp đặt bộ xử lý sinh học. TBC sử dụng hoạt động của tế bào thần kinh trong quá trình nghiên cứu, sau đó chuyển những gì học được thành phần mềm để điều chỉnh một mô hình hiện có.

TBC Mischief cung cấp những gì

Theo thông báo ra mắt, Mischief sẽ có mặt thông qua điểm cuối chuyển ảnh thành video của fal.ai, với quyền truy cập miễn phí đến hết ngày 2 tháng 11. Mức giá được công bố là 0,02 USD cho mỗi giây video tạo ra. Với mức giá đó, 100 đoạn phim dài 5 giây sẽ tốn 10 USD, chưa tính các chi phí khác trong quy trình làm việc.

TBC cũng cho biết Wonder Studios đã thử nghiệm mô hình trong quy trình sản xuất và tạo ra 100 đoạn phim dài 5 giây trong khoảng 6 phút. Đây là kết quả được báo cáo cho một lô video, chứ không phải thước đo độ trễ mà từng người dùng có thể kỳ vọng. Mức độ xử lý đồng thời, độ phân giải, thiết lập lấy mẫu và phần cứng phục vụ đều có thể làm thay đổi mối tương quan giữa thông lượng xử lý theo lô và thời gian cần thiết cho một yêu cầu.

Với các nhóm sáng tạo, câu hỏi thực tế là liệu mô hình nhanh hơn có tạo ra nhiều cảnh quay sử dụng được hơn trên mỗi đô la hay không. Giá tạo video thấp hơn sẽ kém ý nghĩa nếu một cảnh cần thử lại nhiều lần, bị mất tính liên tục hoặc không làm theo hình ảnh đầu vào. Vì vậy, để đánh giá Mischief, cần so sánh cả tốc độ lẫn số đầu ra đạt yêu cầu trong những điều kiện tương đương.

Từ bản ghi hoạt động thần kinh đến lớp phần mềm

Trên trang web của TBC, công ty mô tả một quy trình gồm mã hóa các thách thức tính toán thành tín hiệu điện, đo phản ứng của các mạng tế bào thần kinh được nuôi cấy, rồi rút ra những nguyên tắc có thể triển khai bằng phần mềm. Cách tiếp cận thương mại của công ty là một lớp hậu huấn luyện bao quanh các khối biến áp khuếch tán; theo TBC, lớp này làm tăng chưa đến 0,1% tổng số tham số của mô hình nền tảng.

Phần bổ sung nhỏ này có ý nghĩa quan trọng đối với ý tưởng cốt lõi của sản phẩm: có thể điều chỉnh một mô hình hiện có theo mục tiêu cụ thể mà không cần thay thế nó bằng một mô hình nền tảng hoàn toàn mới. Yếu tố sinh học chỉ tham gia vào quá trình khám phá và phát triển; hệ thống suy luận tạo ra sau đó vẫn hoạt động trên nền tảng số.

Bài viết kỹ thuật về Neural Dynamics Adapter của công ty đưa ra một ví dụ cụ thể hơn về nghiên cứu trước đây. Trong công trình đó, TBC ghi lại hoạt động thần kinh của các tế bào được nuôi cấy bằng một mảng điện cực mật độ cao gồm 4.096 điện cực, chuyển các bản ghi thành dạng biểu diễn số và tích hợp một bộ điều hợp gọn nhẹ vào mô hình khuếch tán. Nghiên cứu sử dụng Oasis, một mô hình video tương tác về Minecraft, chứ không phải mô hình Wan 2.2 làm nền tảng cho Mischief.

Sự khác biệt này rất quan trọng. Kết quả nghiên cứu trong một môi trường tương tác có thể giúp giải thích một phương pháp, nhưng không chứng minh được hiệu năng của một sản phẩm thương mại khác. Bài viết về bộ điều hợp cũng nêu những hạn chế, trong đó có phạm vi thử nghiệm hẹp và kết quả thay đổi theo các thiết lập khử nhiễu. Công trình cho thấy đây là một hướng phát triển kỹ thuật khả thi, nhưng khả năng khái quát rộng hơn vẫn cần được chứng minh.

Sinh học và các phương pháp tối ưu hóa thông thường có thể kết hợp

Một bài viết khác của TBC, Cảm nhận về không gian và thời gian, tìm hiểu một cách khác để chuyển những quan sát từ sinh học vào quá trình tạo video. Kiến trúc nghiên cứu kết hợp xử lý không gian cục bộ với một bộ nhớ thời gian ngắn, sử dụng các phép đo thần kinh để định hướng cách thông tin được lưu giữ qua từng khung hình.

Bài viết cũng nói rõ rằng những cải thiện về tốc độ của hệ thống khi triển khai là kết quả kết hợp giữa các thay đổi ở mô hình và các tối ưu hóa trong quá trình phục vụ. Những tối ưu hóa này gồm lưu vào bộ nhớ đệm ngữ cảnh đã xử lý, giảm khối lượng lấy mẫu và phục vụ nhiều phiên một cách hiệu quả. Các phát hiện này liên quan đến một hệ thống video tương tác dựa trên Oasis, chứ không phải benchmark trực tiếp của Mischief.

Điều này giúp cung cấp bối cảnh hữu ích cho lần ra mắt: nghiên cứu sinh học có thể định hướng kiến trúc mô hình, trong khi các kỹ thuật phần mềm quen thuộc vẫn góp phần nâng cao hiệu quả của hệ thống cuối cùng. Việc tách riêng những đóng góp này sẽ giúp nhà phát triển hiểu rõ lợi ích nào đến từ mô hình, lợi ích nào đến từ ngăn xếp suy luận và lợi ích nào phụ thuộc vào một phương thức triển khai cụ thể.

Con đường tích hợp vào hạ tầng AI hiện có

Mischief tiếp nối thông báo hồi tháng 9 của TBC về việc hợp tác với Amazon Web Services. Thông báo đó nêu công việc liên quan đến AWS Trainium, Amazon SageMaker AI và lộ trình hướng tới phân phối thương mại phần mềm bắt nguồn từ tế bào thần kinh thông qua AWS Marketplace. Hợp tác trước đó tập trung vào công nghệ chuyển văn bản thành video; còn lần ra mắt Mischief tập trung vào khả năng chuyển ảnh thành video thông qua fal.ai.

Chiến lược phổ biến là đưa nghiên cứu vào cơ sở hạ tầng mà các nhà phát triển vốn đang sử dụng. Một mô hình có thể truy cập qua API sẽ dễ được đánh giá hơn trong quy trình sáng tạo hiện có so với một hệ thống đòi hỏi một loại phần cứng vật lý mới. Cách tiếp cận này cũng tạo cơ hội thiết thực để người dùng kiểm chứng các tuyên bố của công ty bằng hình ảnh, câu lệnh và tiêu chí chấp nhận của chính họ.

TBC, dưới sự lãnh đạo của CEO kiêm đồng sáng lập Alex Ksendzovsky và COO kiêm đồng sáng lập Jon Pomeraniec, cho biết công ty cũng đang nghiên cứu các mô hình video mới hơn, mô hình ngôn ngữ và AI vật lý. Đây là những hướng phát triển, chứ không phải các khả năng đã được xác lập trong lần ra mắt này.

Điều gì sẽ khiến lần ra mắt này có ý nghĩa

Bằng chứng hữu ích nhất tiếp theo sẽ là một phép so sánh có thể tái lập với Wan 2.2, sử dụng phần cứng và độ phân giải giống hệt nhau, công bố các thiết lập lấy mẫu, đo riêng độ trễ và thông lượng, đồng thời đánh giá chất lượng trên một tập hợp đầu vào đa dạng. Cũng cần có các phép đo năng lượng để liên hệ chi phí suy luận thấp hơn với những tuyên bố về hiệu quả tính toán.

Việc ra mắt Mischief đưa cách tiếp cận của TBC từ những mô tả nghiên cứu đến gần hơn với một công cụ mà các nhà phát triển có thể trực tiếp thử nghiệm. Ý nghĩa lâu dài của công cụ này sẽ phụ thuộc vào việc các ưu thế có được duy trì ngoài những màn trình diễn được chọn lọc và trên nhiều mô hình khác nhau hay không. Trước mắt, đề xuất cụ thể là một chỉnh sửa phần mềm nhỏ, dựa trên các thí nghiệm sinh học, nhằm giúp sử dụng một mô hình video hiện có tiết kiệm hơn.