أمضت شركة Runway أسابيع في محاولة هندسة طريقها للخروج من خطأ عنيد: حيث تنحرف الصور الرمزية التي ينشئها الذكاء الاصطناعي عن المركز أثناء إنشاء الفيديو في الوقت الفعلي. لم يكن الإصلاح عبارة عن تصحيح للواجهة الخلفية، بل كان عبارة عن ميزة جديدة للواجهة الأمامية تعمل على حل المشكلة. هذا هو نوع الدرس الذي مر به رايان فيليبس، رئيس منتجات المؤسسات في Runway ML، في VB Transform 2026، حيث جادل بأنه حتى الشركات التي لا تبني نماذج الأساس بنفسها يمكنها أن تتعلم من كيفية بناء Runway وتقييمها وشحنها.
"أعتقد أنه حتى لو لم تقموا جميعًا ببناء النماذج بأنفسكم، فمن المفيد أن تتعلموا كيف نفعل ذلك لأنني أعتقد أن جميع الدروس تقريبًا قابلة للتطبيق على ما تفعلونه جميعًا يومًا بعد يوم،" قال فيليبس.
Runway هي شركة أبحاث تطبيقية تعمل في مجال الذكاء الاصطناعي وتقوم ببناء نماذج عالمية عامة لتشغيل الأدوات التوليدية. خلال عرضه التقديمي، عرض فيليبس Runway Characters، وهو نموذج فيديو في الوقت الفعلي يتيح تفاعلات بدون زمن وصول وتفاعلات ذهابًا وإيابًا مع الصور الرمزية التي تم إنشاؤها بواسطة الذكاء الاصطناعي. وقال إنه قبل خمس سنوات، كان إنشاء مقطع فيديو بنص غير مقروء ومعدلات إطارات منخفضة يستغرق الفنانين مئات الساعات من تجميع الإطارات الفردية معًا. اليوم، تقوم عارضات Runway بإنشاء فيديو تفاعلي سريعًا.
وقال: “إن دراسة كيفية بناء هذه النماذج في الوقت الفعلي يمكن أن تلهمك في كيفية بناء ونشر تجارب الوقت الفعلي، سواء كانت وكلاء أم لا، في شركاتك اليوم”.
إزالة الغموض عن التقييمات
يبدأ بناء منتج قوي للذكاء الاصطناعي بمجموعة تقييم عالية الجودة. ومع ذلك، لا يمكن التعامل مع إنشاء هذه المجموعة على أنها مهمة هندسية فقط. فهو يتطلب توافقًا عميقًا بين الوظائف عبر المنتج والتصميم والبحث والمبيعات لتحديد ماذا "جودة" يبدو في الواقع.
أكد فيليبس على إجراء ورش عمل داخلية حيث يقوم أعضاء الفريق بمراجعة الأمثلة التي تم إنشاؤها معًا. الهدف هو مواءمة المنظمة بأكملها على أوضاع فشل محددة بحيث يتقاسم الجميع تعريفًا موحدًا للجيل الناجح.
وقال فيليبس: “لقد أمضينا الكثير من الوقت في العمل مع فريقنا، في استعراض الأمثلة… لما يبدو عليه النجاح والفشل، وصولاً إلى الأشياء المفصلة للغاية والصعبة الإرضاء”.
يجب أن تغطي مجموعة التقييم الناتجة حالات استخدام واسعة النطاق للعملاء إلى جانب حالات الحافة القصوى. على سبيل المثال، سلط فيليبس الضوء على أنه لضمان أن النموذج يتصرف بشكل يمكن التنبؤ به عندما يتم دفعه إلى ما هو أبعد من هياكل الوجه البشرية القياسية، فقد استخدموا “الأسنان”، وهي شخصية غير بشرية بدون أنف وأسنان غير عادية للغاية.
عند تصنيف هذه الأجيال، يبحث فريق Runway عن القطع الأثرية الدقيقة. في أحد الأمثلة، تم تصنيف مقطع فيديو حيث ظل وجه الشخصية سليمًا ولكن بدأت عناصر الخلفية، مثل الشبكة، في التحول، على أنه فاشل.
على الرغم من الطبيعة المتطورة للمنتج، فإن الأداة التي يستخدمها Runway لتتبع هذه التقييمات بسيطة: جدول بيانات Excel. يقوم الفريق بتسجيل الاختبارات يوميًا، ويصنف المخرجات على أنها "صغير" أو "رئيسي" الفشل مقابل معدل النجاح المحدد سلفا.
وقال فيليبس: “لقد وضعنا حاجزًا قبل أن نبدأ في تحديد النسبة المئوية التي نحتاج إلى اجتيازها، وعندما نصل إلى ذلك، نقوم بشحن النموذج”. “لذلك فهي ليست سحرية.”
بالنسبة لمطوري المؤسسات الذين يواجهون انحرافًا غير حتمي في الجودة في مساراتهم في الوقت الفعلي، فإن التقييم اليدوي على نطاق واسع يمثل عنق الزجاجة. لحل هذه المشكلة، أشار فيليبس إلى أنه يمكن للمطورين الاعتماد على نماذج اللغة لأتمتة عملية التصنيف المرئي.
وقال: “أصبح طلاب ماجستير إدارة الأعمال جيدين جدًا في كونهم حكمًا على الكثير من هذا المحتوى، وخاصة أنواع التحول أو التغيير التي قد تراها في مجموعة التقييم”. يمكن للفرق أيضًا تغذية سياق LLM خلف الكواليس (على سبيل المثال، رسم مرسوم يدويًا أو تخطيط هيكلي للإعلان) لتوجيه عمليات الإنشاء والتحقق من الصحة، مما يضمن الجودة دون إضافة حمل معرفي للمستخدم النهائي.
التدريب النموذجي وتحويل الأخطاء إلى ميزات
يتطلب تسليم الفيديو التوليدي في الوقت الفعلي مجموعة تقنية محسنة للغاية. تبدأ العملية بالتدريب المسبق لنموذج أساس ضخم، وهو نموذج كثيف الاستخدام للموارد وبطيء في توليد المخرجات. لتحقيق الكمون في الوقت الحقيقي، يعتمد Runway على التقطير، حيث يكون أصغر وأسرع "طالب" يتم تدريب النموذج على تقليد الحجم الكبير "مدرس" نموذج. وفقًا لفيليبس، فإن التقطير يساعد شركة Runway على تقليل “80 إلى 90% من وقت التوليد”.
يقوم الفريق بعد ذلك بتطبيق التدريب اللاحق (APT) على النموذج المقطر. تجبر هذه التقنية النموذج على التحسين المستمر عن طريق اختباره مقابل نظام مصمم للعثور على عيوبه، مما يساعد على استعادة الحدة البصرية المفقودة أثناء عملية التقطير.
ومع ذلك، فإن تغيير بنية النموذج يؤدي إلى مشاكل جديدة. قدمت مرحلتا التقطير وAPT خطأً عنيدًا: حيث تتأرجح الشخصيات أو تنجرف من مركز الإطار أثناء الإنشاء في الوقت الفعلي.
وقال إن الفريق قضى أسابيع في محاولة إصلاح النموذج الأساسي للقضاء على الانحراف. وفي النهاية، اكتشفوا أنه إذا تم توسيط صورة الإدخال الأولية للمستخدم بشكل مثالي، فإن الفيديو الذي تم إنشاؤه يظل ثابتًا. بدلاً من قضاء المزيد من الوقت في التصحيح الهندسي للواجهة الخلفية، ركزت Runway على حل تجربة المستخدم.
“ما فعلناه هو أنه عندما لاحظنا ذلك في تقييماتنا، قلنا بعد ذلك: “ماذا لو عرضنا ذلك كميزة فقط؟” إذا أعطانا المستخدم شخصية تم توجيهها إلى اليسار، فإننا نعلم أن الفيديو سيتحول. قال فيليبس: “دعونا نصلح الأمر لهم”.
لقد قدموا ميزة الواجهة الأمامية تسمى "تحسين جودة الصورة،" والذي يعيد توسيط صورة المستخدم تلقائيًا قبل بدء الإنشاء. من خلال تضمين قيود نموذج الواجهة الخلفية في أداة الواجهة الأمامية، أدرك المستخدمون ميزة مفيدة بدلاً من وجود خلل هندسي.
نصح فيليبس “بتحويل قيود النموذج إلى ميزات المنتج بحيث يمكنك فعليًا توسيع كيفية عمل النموذج”. “قد يبدو الأمر وكأنه قيد داخليًا، لكن عملائك لن يرون الأمر بهذه الطريقة إذا كنت تقوم ببناء هذا كميزة للمنتج.”
الشيطان يكمن في تفاصيل البنية التحتية
يتطلب تسليم الفيديو عالميًا بمعدل 24 إطارًا في الثانية تحسين كل طبقة من طبقات البنية التحتية. يتراوح هذا من التخزين المؤقت وفك التشفير المتوازي إلى إجراء تغييرات عميقة على kernel بالشراكة مع موفري الأجهزة مثل Nvidia.
وبعد وقت قصير من إطلاق Runway Characters، قال إن الفريق لاحظ أن 8% من مكالمات واجهة برمجة التطبيقات (API) انخفضت إلى 16 إطارًا في الثانية، مما تسبب في تلعثم الفيديو للعملاء.
يتطلب العثور على السبب الجذري مراقبة عميقة. استخدم الفريق وكيل الذكاء الاصطناعي المدعوم من كلود إلى جانب أدوات المراقبة مثل Datadog وSentry لتتبع الحالة الشاذة. قامت جلسة تصحيح الأخطاء بعزل المشكلة إلى مركز بيانات واحد في منطقة US-East-1.
“الحل في الواقع لم يكن كذلك [to] أوضح فيليبس: “اذهب لإصلاح أي شيء أو تغيير التكوين. لقد ذهبوا بالفعل واستبدلوا وحدات معالجة الرسومات هذه فعليًا في مركز البيانات لإصلاحها، وهذا ما أدى في النهاية إلى حل المشكلات”.
بالنسبة لفرق المؤسسات التي تنشر تطبيقات في الوقت الفعلي، فإن النتيجة واضحة: ستؤثر عيوب الأجهزة والبنية التحتية بشكل مباشر على أداء النموذج، مما يتطلب إمكانات تصحيح أخطاء صارمة وكاملة.
وقال فيليبس: “لا تنسوا كل التفاصيل الصغيرة، لأن هناك الكثير منها عندما تقومون بنشر هذه النماذج”.
البقاء على قيد الحياة "الجحيم الفشل" ومستقبل بناء العالم
نادراً ما يكون تطوير أنظمة الذكاء الاصطناعي عملية خطية. غالبًا ما تجد الفرق نفسها عالقة لأسابيع في مشكلة واحدة دون نهاية في الأفق، وهي المرحلة التي أشار إليها فيليبس "جحيم الفشل.”
وقال: “نعتقد أنه يتعين عليك أن تمر بهذا الألم وأن تكافح حقًا مع المشكلة لبعض الوقت قبل أن تتمكن من تحقيق الاختراق”. يؤدي التكرار المتسق في النهاية إلى تسوية منحنى الصعوبة، مما يؤدي إلى تحسينات مفاجئة وأسية.
ومع تغلب النماذج الأساسية على هذه العقبات التقنية، فإن دور المبدعين في المؤسسة يتغير أيضًا بشكل أساسي. تقليديًا، ركزت فرق التسويق والتصميم على إنشاء أصول فردية، مثل إعلان أو رسم توضيحي محدد. وفي عصر التوليد في الوقت الفعلي وسير العمل الوكيل، يتحول هذا النموذج نحو تحديد المعايير والجماليات والملكية الفكرية.
وقال فيليبس: “قد لا تقوم بتصميم إعلان واحد، ولكن يمكنك تصميم عالم يمكن للوكيل أو نموذج الفيديو في الوقت الفعلي إنشاء إعلانات منه”.
