রানওয়ে সোলারিস উন্মোচন করেছে, একটি নতুন বিভাগে প্রথম মডেল যা কোম্পানি "ইন্টারফেস ওয়ার্ল্ড মডেল" বলে অভিহিত করে — এআই সিস্টেম যা ব্যবহারকারীর ইন্টারফেস লাইভ তৈরি করে, চলমান কোডের পরিবর্তে ফ্রেম দ্বারা ফ্রেম তৈরি করে। একটি ডিজাইনকে একটি অ্যাপে অনুবাদ করার পরিবর্তে, Solaris নিজেই ইন্টারফেসটিকে 720p-এ রেন্ডার করে এবং আপনি এটির সাথে ইন্টারঅ্যাক্ট করার সাথে সাথে ক্লিক, ড্র্যাগ এবং ভয়েস কমান্ডগুলিতে সরাসরি সাড়া দেয়৷
ঘোষণাটি, দ্য ডিকোডার দ্বারা বিশদভাবে আচ্ছাদিত, সফ্টওয়্যার সাধারণত কীভাবে কাজ করে তা থেকে একটি তীক্ষ্ণ বিরতি চিহ্নিত করে। আজ, একটি অপারেটিং সিস্টেম সিদ্ধান্ত নেয় স্ক্রিনে কী ঘটবে এবং একটি অ্যাপ একই থাকে যতক্ষণ না একজন বিকাশকারী একটি আপডেট পাঠায়। সোলারিস বিপরীতটি প্রস্তাব করেছেন: একটি ইন্টারফেস যা কেবল ততক্ষণ বিদ্যমান থাকে যতক্ষণ না এটি তৈরি করা হচ্ছে এবং এটি ব্যবহারকারী ব্যক্তির সাথে ক্রমাগত মানিয়ে যায়। For more context on this story, see our ongoing AI news.
কিভাবে একটি ইন্টারফেস ওয়ার্ল্ড মডেল কাজ করে
Solaris Runway-এর Gen-4.5 ভিডিও মডেলের উপর নির্মিত এবং GWM-1 এর সাথে কোম্পানি যে দিকনির্দেশনা শুরু করেছিল, তার পূর্বের সাধারণ-উদ্দেশ্য বিশ্ব মডেল অনুসরণ করে। হুডের অধীনে, দুটি সিস্টেম সহযোগিতা করে: একটি ভাষা মডেল সিদ্ধান্ত নেয় কিভাবে ব্যবহারকারী যা করে তার প্রতিক্রিয়ায় ইন্টারফেস পরিবর্তন করা উচিত, যখন বিশ্ব মডেল প্রতিটি ফ্রেম রেন্ডার করে।
ফলাফলটি একটি অ্যাপের মতো দেখায় এবং আচরণ করে, তবে কিছুই প্রচলিত অর্থে চলছে না। কোনো লেআউট ফাইল নেই, কোনো ফ্রন্ট-এন্ড কোড নেই, কোনো কম্পাইল করা বাইনারি নেই — আপনার শেষ ক্লিকের উপর ভিত্তি করে পরবর্তী ফ্রেম তৈরি করে শুধুমাত্র একটি জেনারেটিভ মডেল।
ইউজ কেস রানওয়ে পিচিং
রানওয়ে বেশ কয়েকটি পরিস্থিতির তালিকা করে যেখানে একটি উত্পন্ন ইন্টারফেস একটি নির্দিষ্ট একটিকে প্রতিস্থাপন করতে পারে।
অনলাইন কেনাকাটায়, দোকান নিজেই ইন্টারফেস হয়ে ওঠে। একটি স্থির পণ্য গ্রিড ব্রাউজ করার পরিবর্তে, একজন ক্রেতা এটি চেষ্টা করার জন্য নিজের একটি ছবির উপর একটি শার্ট টেনে আনতে পারে। দোকানটি আর একটি নির্দিষ্ট বিন্যাস হবে না যা প্রতিটি দর্শক একইভাবে দেখে, তবে একটি পরিবেশ যা প্রতিটি ব্যবহারকারীর সাথে খাপ খায়।
পণ্যের ভিজ্যুয়ালাইজেশনের জন্য, পিচ হল বস্তুর কথোপকথনমূলক ম্যানিপুলেশন: বলুন "টেবিল সরান" বা "পালঙ্কের রঙ পরিবর্তন করুন" এবং দৃশ্যটি তাত্ক্ষণিকভাবে প্রতিক্রিয়া জানায়৷ রানওয়ে এই মানানসই আসবাবপত্র কেনাকাটা এবং অভ্যন্তরীণ পরিকল্পনা দেখে, যেখানে একটি পরিবর্তন দেখলে এটি কল্পনা করা যায়।
সংস্থাটি টিউটোরিয়াল এবং শেখার দিকেও নির্দেশ করে। একটি চ্যাটবট পাঠ্যের সাথে উত্তর দেওয়ার পরিবর্তে, সোলারিস পরবর্তী পদক্ষেপটি দৃশ্যত প্রেক্ষাপটে দেখাতে পারে — কোম্পানির উদাহরণ হল একটি দহন প্রদর্শন যা জড়িত সামগ্রীর উপর নির্ভর করে পরিবর্তিত হয়।
রানওয়ের বড় দাবি: অ্যাপটি অদৃশ্য হয়ে গেছে
ডেমোর নীচে একটি উত্তেজক থিসিস রয়েছে। রানওয়ে যুক্তি দেয় যে সফ্টওয়্যারের একটি নির্দিষ্ট ইউনিট হিসাবে "অ্যাপ" অদৃশ্য হয়ে যাবে। আজ কিছু করা মানে সঠিক প্রি-বিল্ট অ্যাপ্লিকেশন খোলা—একটি কেনাকাটার জন্য, একটি বার্তার জন্য, একটি সংরক্ষণের জন্য। যদি একটি অপারেটিং সিস্টেম চাহিদা অনুযায়ী সঠিক ইন্টারফেস তৈরি করতে পারে, যুক্তিটি যায়, একটি নির্দিষ্ট ক্যাটালগে সফ্টওয়্যার সাজানোর জন্য অনেক কম কারণ রয়েছে।
প্রযুক্তির জন্য একটি গৌণ শ্রোতা রয়েছে: এআই এজেন্ট নিজেরাই। রানওয়ে নোট করে যে এজেন্টরা এখনও হোটেল বুকিংয়ের মতো কাজে ব্যর্থ হয় কারণ তারা নির্দিষ্ট লেআউটে প্রশিক্ষিত হয় এবং যখন একটি বাস্তব ওয়েবসাইট তাদের থেকে বিচ্যুত হয় তখন হোঁচট খায়। একটি এজেন্ট যে উত্পন্ন, মডেল-বোঝা ইন্টারফেসের ভিতরে কাজ করে সেই ভঙ্গুরতার সম্মুখীন হবে না। রানওয়ে স্পষ্টভাবে ইন্টারফেস ওয়ার্ল্ড মডেলগুলিকে এজেন্টদের প্রশিক্ষণের স্থল হিসাবে ফ্রেম করে।
ক্যাচ: পাঠ্য, নির্ভরযোগ্যতা এবং অ্যাক্সেসযোগ্যতা
আপাতত, গুরুত্বপূর্ণ সমস্যাগুলি সোলারিসকে গবেষণা কলামে দৃঢ়ভাবে রাখে।
স্থিতিশীল, পঠনযোগ্য পাঠ্য জেনারেটিভ ভিডিও মডেলগুলির জন্য একটি কঠিন সমস্যা থেকে যায় - এবং ইন্টারফেসগুলি পাঠ্যে পূর্ণ। বোতাম, দাম, ঠিকানা এবং অনুসন্ধান ক্ষেত্রগুলি সবই সঠিক স্ট্রিংয়ের উপর নির্ভর করে, যেখানে একটি হ্যালুসিনেটেড চরিত্র একটি ভাঙা পণ্য।
দীর্ঘ সেশন এবং নির্ভরযোগ্যতাও খোলা প্রশ্ন। ডিকোডার একটি সূক্ষ্ম কিন্তু গুরুতর ঝুঁকি নোট করে: একটি উত্পন্ন ইন্টারফেস যা ভুল কিন্তু বিশ্বাসযোগ্য-সুদর্শন কোনো ইন্টারফেসের চেয়ে খারাপ হতে পারে, কারণ ব্যবহারকারীর কাছে রেন্ডার করা মূল্য এবং একটি বাস্তবের মধ্যে পার্থক্য বলার কোনো উপায় নেই৷
অ্যাক্সেসযোগ্যতা আরেকটি অমীমাংসিত সমস্যা। একটি জেনারেটেড ইন্টারফেসে সহায়ক প্রযুক্তি পড়ার জন্য কোন অন্তর্নিহিত কাঠামো নেই, তাই স্ক্রিন রিডার - অন্ধ ব্যবহারকারীরা সফ্টওয়্যার নেভিগেট করার প্রাথমিক উপায় - এর সাথে কাজ করার কিছু নেই৷
আপাতত গবেষণা
রানওয়ে সোলারিসকে পণ্য হিসেবে পাঠাচ্ছে না। কোম্পানিটি লঞ্চের জন্য অংশীদারদের সন্ধান করছে এবং একটি সাইন-আপ ফর্মের মাধ্যমে প্রাথমিক অ্যাক্সেস অফার করে, প্রোগ্রামের পরিবর্তে ইন্টারফেস তৈরি হলে সফ্টওয়্যার কেমন হতে পারে তার অনুসন্ধান হিসাবে সিস্টেমটিকে অবস্থান করে৷
টাইমিং আকস্মিক নয়। রোবোটিক্স, গেমিং এবং ভিডিও জেনারেশনের জন্য বাস্তবসম্মত পরিবেশ অনুকরণ করার জন্য প্রধান ল্যাব রেসিং সহ বিশ্বের মডেলগুলি একটি বিভাগ হিসাবে দ্রুত পরিপক্ক হয়েছে। সফ্টওয়্যার পৃষ্ঠগুলিতে একই যন্ত্রপাতি নির্দেশ করা একটি প্রাকৃতিক এক্সটেনশন - এবং এটি রানওয়ে, যা চলচ্চিত্র নির্মাতাদের দ্বারা ব্যবহৃত ভিডিও তৈরির সরঞ্জামগুলির জন্য সর্বাধিক পরিচিত, উত্পাদনশীলতা সফ্টওয়্যার প্রতিষ্ঠার সাথে প্রত্যক্ষ ধারণাগত প্রতিযোগিতায় ফেলে৷
কেউ আসলে এমন ইন্টারফেস চায় কি না যা পরিবর্তিত হতে থাকে একটি প্রশ্ন রানওয়ে খোলা থাকে। সফ্টওয়্যার কনভেনশনগুলি — শপিং কার্ট, অনুসন্ধান বার, সেটিংস গিয়ার — বিদ্যমান কারণ সেগুলি অনুমানযোগ্য। একটি ইন্টারফেস যা প্রতিটি ব্যবহারকারীর জন্য নিজেকে নতুন করে উদ্ভাবন করে যা অভিযোজনযোগ্যতার জন্য ভবিষ্যদ্বাণী করে এবং ব্যবহারকারীরা এটিকে জাদু বা বিশৃঙ্খলা হিসাবে অনুভব করেন কিনা তা দেখতে হবে।
যা পরিষ্কার তা হল ভ্রমণের দিক। ভিডিওর জন্য শারীরিক বাস্তবতা অনুকরণ করার জন্য নির্মিত একই বিশ্ব মডেলগুলি এখন সফ্টওয়্যার বাস্তবতার দিকে নির্দেশ করা হচ্ছে — এবং রানওয়ে বাজি ধরছে যে পরবর্তী ইন্টারফেসটি মোটেই ডিজাইন করা হয়নি, তবে তৈরি করা হয়েছে৷
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
