استارتاپِ آمریکاییِ Odyssey مدلِ Odyssey-3 را که روز ۸ اکتبر ۲۰۲۶ (۱۶ مهر ۱۴۰۵) معرفی کرده بود، به‌صورتِ «پیش‌نمایشِ پژوهشیِ» رایگان در دسترسِ همه گذاشت. Odyssey-3 یک «مدلِ جهان» (world model) است: از روی یک متن، دنیایی تعاملی می‌سازد که می‌توانید در آن راه بروید و مدل لحظه‌به‌لحظه پیش‌بینی می‌کند با هر حرکتِ شما، صحنه چطور تغییر می‌کند.
مدلِ جهان چیست و چه فرقی با ساختِ ویدیو دارد؟
ابزارهای ساختِ ویدیو مثلِ Veo یا Kling یک ویدیوی چندثانیه‌ای می‌سازند که از اول تا آخرش ثابت است؛ شما فقط تماشا می‌کنید. مدلِ جهان یک قدم جلوتر است: تصویر را فریم‌به‌فریم و بر اساسِ کارِ شما می‌سازد. اگر به چپ بپیچید، صحنه‌ی سمتِ چپ ساخته می‌شود؛ اگر جلو بروید، دنیا جلویتان باز می‌شود. یعنی چیزی شبیهِ یک بازیِ ویدیویی که هیچ‌کس آن را از پیش طراحی نکرده و هوش مصنوعی همان لحظه می‌سازدش.
کاربردِ اصلیِ این مدل‌ها فقط سرگرمی نیست. اگر مدلی بتواند پیش‌بینی کند که دنیا در جوابِ یک کار چه واکنشی نشان می‌دهد، می‌شود ربات‌ها، پهپادها و خودروهای خودران را داخلِ همین دنیای ساختگی آموزش داد؛ بی‌خطر، ارزان و با تکرارِ نامحدود.
Odyssey-3 چه نسخه‌هایی دارد؟
| نسخه | ویژگی |
|---|---|
| Odyssey-3 Flash | نسخه‌ی سریع که دموی رایگانِ آنلاین با آن کار می‌کند |
| Odyssey-3 | ۱۴ میلیارد پارامتر، تصویر با وضوحِ ۸۳۲ در ۴۸۰ |
| Odyssey-3 Pro | تصویر با وضوحِ ۱۲۸۰ در ۷۲۰ (HD) |
طبقِ گزارشِ The Decoder، این مدل یک «ترنسفورمرِ انتشاریِ خودبازگشتی» است؛ یعنی هر فریمِ تازه را از روی فریم‌های قبلی و کاری که کاربر یا ایجنت انجام داده می‌سازد. می‌توانید دنیا را از نمای اول‌شخص یا سوم‌شخص ببینید. برنامه‌نویس‌ها هم می‌توانند برای دسترسی به API درخواست بدهند.
چه کارهایی از آن برمی‌آید؟
Odyssey در دموهایش نشان داده که این مدل می‌تواند پایه‌ی کنترلِ بازوی رباتیک، دوری‌کردنِ پهپاد از مانع، ربات‌های انسان‌نما و حتی شخصیت‌های بازی‌های ویدیویی باشد. شرکتِ سوئیسیِ Flexion هم با Odyssey روی کنترل‌کننده‌ی ربات‌های انسان‌نما کار می‌کند. البته خودِ Odyssey می‌گوید بخشِ رباتیک هنوز کارِ زیادی لازم دارد و نسخه‌ی عمومی بیشتر روی ساختنِ محیط تمرکز دارد.
درباره‌ی عددها هم باید محتاط بود. Odyssey می‌گوید نسخه‌ی Pro در آزمونِ Physics-IQ (سنجشِ درک از فیزیک) امتیازِ ۶۶٫۱ گرفته که بالاترین امتیازِ ثبت‌شده است. ولی این امتیاز با انتخابِ بهترین ویدیو از میانِ هشت ویدیو به دست آمده و میانگینِ چهار اجرا ۶۳٫۳۷ بوده است. این نتیجه‌ها را خودِ شرکت ثبت کرده و هنوز کسی جداگانه آن‌ها را تکرار نکرده است.
رقابتِ تازه‌ی مدل‌های جهان
Odyssey در سالِ ۲۰۲۳ به دستِ الیور کامرون و جف هاوک بنیان گذاشته شد و در ژوئنِ ۲۰۲۶، ۳۱۰ میلیون دلار سرمایه از سرمایه‌گذارانی مثلِ آمازون و AMD گرفت. در این میدان تنها نیست: گوگل دیپ‌مایند با Genie 3 و استارتاپِ World Labs هم روی همین فناوری کار می‌کنند. این رقابت نشان می‌دهد شرکت‌ها مدلِ جهان را قدمِ بعدیِ بعد از ساختِ ویدیو می‌دانند.
این خبر برای کاربرِ فارسی‌زبان چه معنایی دارد؟
برای سازنده‌های بازی، طراح‌ها و کسانی که به رباتیک علاقه دارند، Odyssey-3 نگاهی به آینده است: روزی که بشود یک دنیای کامل را فقط با یک جمله ساخت. دموی رایگان در سایتِ رسمیِ Odyssey در دسترس است، ولی شرایطِ دسترسی از ایران و محدودیت‌های استفاده‌ی رایگان روشن اعلام نشده است.
اگر بیشتر دنبالِ ساختنِ ویدیو از متن یا عکس هستید، این کار همین حالا در هوش‌نو به فارسی ممکن است. برای آشنایی با ابزارهای موجود، معرفیِ بهترین ابزارهای ساختِ ویدیو با هوش مصنوعی را بخوانید؛ اگر می‌خواهید بدانید ویدیوسازهای امروزی چطور کار می‌کنند، راهنمای Veoِ گوگل شروعِ خوبی است. آموزشِ قدم‌به‌قدمِ ساختِ ویدیو از متن و عکس به فارسی را هم آماده کرده‌ایم. همه‌ی ابزارها در ابزارهای هوش‌نو هستند.
سؤالات متداول
آیا Odyssey-3 رایگان است؟
بله، نسخه‌ی Flash به‌صورتِ پیش‌نمایشِ پژوهشیِ رایگان در سایتِ Odyssey در دسترس است. دسترسی به API با درخواست داده می‌شود.
فرقِ مدلِ جهان با ویدیوساز چیست؟
ویدیوساز یک ویدیوی ثابت می‌سازد؛ مدلِ جهان صحنه را بر اساسِ حرکت و کارِ کاربر، لحظه‌به‌لحظه می‌سازد.
این مدل به چه درد می‌خورد؟
جدا از سرگرمی، برای آموزشِ ربات، پهپاد، خودروی خودران و شخصیت‌های بازی در محیطی ساختگی و بی‌خطر.
