रनवेने सोलारिसचे अनावरण केले आहे, कंपनीने "इंटरफेस वर्ल्ड मॉडेल्स" नावाच्या नवीन श्रेणीतील पहिले मॉडेल - एआय सिस्टम जी रनिंग कोडऐवजी यूजर इंटरफेस लाईव्ह, फ्रेम बाय फ्रेम तयार करतात. एखाद्या डिझाईनचे ॲपमध्ये भाषांतर करण्याऐवजी, सोलारिस इंटरफेसला 720p मध्ये रेंडर करते आणि तुम्ही त्याच्याशी संवाद साधता तेव्हा थेट क्लिक, ड्रॅग आणि व्हॉइस कमांडला प्रतिसाद देते.
डीकोडरद्वारे तपशीलवार कव्हर केलेली घोषणा, सॉफ्टवेअर सामान्यपणे कसे कार्य करते यापासून एक तीव्र ब्रेक चिन्हांकित करते. आज, स्क्रीनवर काय होते हे ऑपरेटिंग सिस्टम ठरवते आणि विकसक अपडेट पाठवत नाही तोपर्यंत ॲप तसेच राहते. सोलारिस याच्या विरुद्ध प्रस्तावित करतो: एक इंटरफेस जो तो निर्माण होत आहे तोपर्यंतच अस्तित्वात असतो आणि तो वापरणाऱ्या व्यक्तीशी सतत जुळवून घेतो. For more context on this story, see our ongoing AI trends.
इंटरफेस वर्ल्ड मॉडेल कसे कार्य करते
Solaris Runway च्या Gen-4.5 व्हिडिओ मॉडेलवर बांधले गेले आहे आणि कंपनीने GWM-1 सह सुरू केलेल्या दिशांचे अनुसरण करते, त्याचे पूर्वीचे सामान्य-उद्देश जागतिक मॉडेल. हुड अंतर्गत, दोन प्रणाली सहकार्य करतात: वापरकर्ता काय करतो याच्या प्रतिसादात इंटरफेस कसा बदलला पाहिजे हे भाषा मॉडेल ठरवते, तर जागतिक मॉडेल प्रत्येक फ्रेम प्रस्तुत करते.
परिणाम एखाद्या ॲपसारखा दिसतो आणि वागतो, परंतु पारंपारिक अर्थाने काहीही चालत नाही. कोणतीही लेआउट फाइल नाही, फ्रंट-एंड कोड नाही, संकलित बायनरी नाही — फक्त तुमच्या शेवटच्या क्लिकवर आधारित पुढील फ्रेम तयार करणारे जनरेटिव्ह मॉडेल.
द यूज केसेस रनवे पिचिंग आहे
रनवे अनेक परिस्थितींची यादी करतो जेथे व्युत्पन्न केलेला इंटरफेस निश्चित बदलू शकतो.
ऑनलाइन शॉपिंगमध्ये, स्टोअर स्वतःच इंटरफेस बनतो. स्टॅटिक प्रोडक्ट ग्रिड ब्राउझ करण्याऐवजी, खरेदीदार शर्ट स्वतःच्या चित्रावर ड्रॅग करू शकतो. दुकान यापुढे प्रत्येक अभ्यागताला सारखेच दिसेल असे निश्चित लेआउट नसेल, तर प्रत्येक वापरकर्त्याला अनुकूल वातावरण असेल.
उत्पादनाच्या व्हिज्युअलायझेशनसाठी, खेळपट्टी म्हणजे वस्तूंचे संवादात्मक हाताळणी: "टेबल हलवा" किंवा "पलंगाचा रंग बदला" म्हणा आणि दृश्य त्वरित प्रतिक्रिया देते. रनवे हे फिटिंग फर्निचर खरेदी आणि अंतर्गत नियोजन पाहते, जिथे बदल पाहून त्याची कल्पना येते.
कंपनी ट्यूटोरियल आणि शिकण्याकडे देखील निर्देश करते. मजकुरासह चॅटबॉट उत्तर देण्याऐवजी, सोलारिस दृष्यदृष्ट्या पुढची पायरी संदर्भात दर्शवू शकते — कंपनीचे उदाहरण एक दहन प्रात्यक्षिक आहे जे समाविष्ट असलेल्या सामग्रीवर अवलंबून बदलते.
रनवेचा मोठा दावा: ॲप गायब
डेमोच्या खाली एक उत्तेजक प्रबंध आहे. रनवेने असा युक्तिवाद केला की सॉफ्टवेअरचे निश्चित युनिट म्हणून "ॲप" अदृश्य होईल. आज काहीतरी पूर्ण करणे म्हणजे योग्य पूर्वनिर्मित अनुप्रयोग उघडणे - एक खरेदीसाठी, एक संदेशांसाठी, एक आरक्षणासाठी. जर ऑपरेटिंग सिस्टम मागणीनुसार योग्य इंटरफेस तयार करू शकत असेल, तर तर्कानुसार, सॉफ्टवेअरला निश्चित कॅटलॉगमध्ये क्रमवारी लावण्याचे कमी कारण आहे.
तंत्रज्ञानासाठी दुय्यम प्रेक्षक आहेत: AI एजंट स्वतः. रनवे नोंदवतो की एजंट अजूनही हॉटेल बुकिंगसारख्या कामात अपयशी ठरतात कारण त्यांना निश्चित मांडणीवर प्रशिक्षण दिले जाते आणि जेव्हा एखादी वास्तविक वेबसाइट त्यांच्यापासून विचलित होते तेव्हा ते अडखळतात. व्युत्पन्न केलेल्या, मॉडेल-समजलेल्या इंटरफेसमध्ये कार्यरत असलेल्या एजंटला त्या ठिसूळपणाचा सामना करावा लागणार नाही. रनवे एजंट्ससाठी प्रशिक्षण ग्राउंड म्हणून इंटरफेस वर्ल्ड मॉडेल्स स्पष्टपणे फ्रेम करते.
कॅच: मजकूर, विश्वसनीयता आणि प्रवेशयोग्यता
आत्तासाठी, महत्त्वपूर्ण समस्या सोलारिसला संशोधन स्तंभात घट्टपणे ठेवतात.
जनरेटिव्ह व्हिडिओ मॉडेल्ससाठी स्थिर, वाचनीय मजकूर ही एक कठीण समस्या आहे — आणि इंटरफेस मजकूराने भरलेले आहेत. बटणे, किंमती, पत्ते आणि शोध फील्ड सर्व अचूक स्ट्रिंगवर अवलंबून असतात, जेथे भ्रमित वर्ण हे तुटलेले उत्पादन आहे.
लांब सत्रे आणि विश्वसनीयता देखील खुले प्रश्न आहेत. डीकोडर एक सूक्ष्म पण गंभीर जोखीम नोंदवतो: व्युत्पन्न केलेला इंटरफेस जो चुकीचा आहे परंतु खात्रीलायक दिसणारा इंटरफेस अजिबात नसलेल्या इंटरफेसपेक्षा वाईट असू शकतो, कारण वापरकर्त्याकडे प्रस्तुत किंमत आणि वास्तविक यातील फरक सांगण्याचा कोणताही मार्ग नाही.
प्रवेशयोग्यता ही आणखी एक न सुटलेली समस्या आहे. व्युत्पन्न केलेल्या इंटरफेसमध्ये सहाय्यक तंत्रज्ञान वाचण्यासाठी कोणतीही अंतर्निहित रचना नसते, त्यामुळे स्क्रीन रीडर — अंध वापरकर्ते सॉफ्टवेअर नेव्हिगेट करण्याचा प्राथमिक मार्ग — त्यांच्याशी कार्य करण्यासाठी काहीही नाही.
सध्याचे संशोधन
रनवे सोलारिसला उत्पादन म्हणून पाठवत नाही. कंपनी लॉन्चसाठी भागीदार शोधत आहे आणि साइन-अप फॉर्मद्वारे लवकर प्रवेश ऑफर करते, प्रोग्राम करण्याऐवजी इंटरफेस व्युत्पन्न केल्यावर सॉफ्टवेअर कसे दिसू शकते याचे अन्वेषण म्हणून सिस्टमला स्थान देते.
वेळ अपघाती नाही. रोबोटिक्स, गेमिंग आणि व्हिडिओ निर्मितीसाठी वास्तववादी वातावरणाचे अनुकरण करण्यासाठी प्रमुख लॅब रेसिंगसह, जागतिक मॉडेल्स श्रेणी म्हणून त्वरीत परिपक्व झाले आहेत. सॉफ्टवेअरच्या पृष्ठभागावर तीच यंत्रसामग्री दाखवणे हा एक नैसर्गिक विस्तार आहे — आणि जो चित्रपट निर्मात्यांद्वारे वापरल्या जाणाऱ्या व्हिडिओ जनरेशन टूल्ससाठी प्रसिद्ध असलेल्या रनवेला उत्पादकता सॉफ्टवेअर आस्थापनेशी थेट वैचारिक स्पर्धेत आणतो.
कोणालाही बदलत राहणारे इंटरफेस प्रत्यक्षात हवे आहेत की नाही हा रनवे खुला आहे. सॉफ्टवेअर नियमावली — शॉपिंग कार्ट, शोध बार, सेटिंग्ज गियर — अस्तित्वात आहेत कारण ते अंदाज करण्यायोग्य आहेत. एक इंटरफेस जो प्रत्येक वापरकर्त्यासाठी स्वतःला नवीन बनवतो जो अनुकूलतेसाठी अंदाज लावतो आणि वापरकर्त्यांना ते जादू किंवा अराजकतेसारखे वाटते की नाही हे पाहणे बाकी आहे.
प्रवासाची दिशा स्पष्ट आहे. व्हिडिओसाठी भौतिक वास्तविकतेचे अनुकरण करण्यासाठी तयार केलेले तेच जागतिक मॉडेल आता सॉफ्टवेअर वास्तविकतेकडे निर्देशित केले जात आहेत — आणि रनवे असा दावा करत आहे की पुढील इंटरफेस अजिबात डिझाइन केलेले नाही, परंतु व्युत्पन्न केले आहे.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
