Seedance 2.0 ينقل توليد الفيديو الحتمي من المختبر إلى الإنتاج
ما زال توليد الفيديو بالذكاء الاصطناعي يعاني من مشكلة جوهرية تتعلق بإعادة الإنتاج.
المدخل النصي نفسه قد ينتج مشهدين مختلفين تماماً، وهذا يجعل التخطيط للإنتاج شبه مستحيل.
مع إصدار Seedance 2.0 يبدو أن هذه المعادلة بدأت تتغير، إذ يضع النموذج الجديد مفهوم الحتمية أو التحكم الدقيق في صدارة عمله.
النموذج المطور من قبل فريق ByteDance، وفق ما نشرته Techaeris، قادر على توليد إطارات من النصوص أو الموجات الصوتية، لكن الابتكار الرئيسي لا يكمن في جمال الصورة فقط، بل في القدرة على تكرار النتيجة نفسها عند الحاجة.
هذه الميزة تهم استوديوهات السينما ومطوري الألعاب ووكالات الإعلان، لأنها تتيح التقاط لقطة نظيفة دون الحاجة إلى إعادة التوليد عشرات المرات.
النموذج يظهر في وقت يشتد فيه التنافس مع Sora من OpenAI وVeo من Google وKling وRunway.
أغلب هذه الأدوات قوية في توليد مشاهد فردية لكنها تفشل في توفير التحكم الصارم الذي يتوقعه المخرج أو المحرر.
لذلك يسعى Seedance 2.0 إلى أن يكون الخيار الأول القائم على الاستقرار وليس فقط على الدقة البصرية.
التأثير المباشر سيظهر في مراحل ما قبل الإنتاج، حيث يمكن للفريق تحديد مسار الكاميرا وحركة الأشياء وتوقيت المشهد قبل الوصول إلى مرحلة الرندر النهائية.
كما يمكن للشركات استخدام الفيديو المولد للتدريب والتسويق والتواصل الداخلي من دون فريق مؤثرات بصرية متخصص.
مع نمو الطلب على المحتوى الرقمي، ستحتاج الشركات إلى أدوات تنتج نتائج قابلة للتكرار وتتوافق مع متطلبات العلامة التجارية.
الخطوة القادمة تتعلق بالتكامل مع برامج المونتاج وواجهات برمجة التطبيقات السحابية، وهو ما سيحول Seedance 2.0 من تقنية تجريبية إلى أداة إنتاج فعلية.
المنافسون سيردون بسرعة، والسباق نحو توليد الفيديو القابل للضبط سيشكل الجيل القادم من النماذج.
Meta One يطلق طبقة ذكاء اصطناعي مدفوعة عبر إنستغرام وواتساب وفيسبوك
حوّلت Meta الذكاء الاصطناعي إلى منتج اشتراك فعلي.
الشركة أطلقت عالمياً خطة Meta One، وهي باقة مدفوعة تضيف أدوات توليد متقدمة إلى منظومتها الأساسية.
يبقى الوصول المجاني إلى Meta AI متاحاً، لكن المستخدمين المكثفين وصناع المحتوى والشركات سيدفعون مقابل حصص حوسبة أعلى وتخصيص أوسع ومزايا بمستوى المؤسسات عبر إنستغرام وفيسبوك وواتساب ومساعد Meta AI.
هذه الخطوة تضع Meta في منافسة مباشرة مع ChatGPT Plus من OpenAI واشتراكات Gemini من Google وخطط Claude من Anthropic.
الفارق الكبير هو التوزيع.
Meta One يصل إلى مليارات المستخدمين الذين يفتحون واتساب للدردشة أو إنستغرام لنشر الصور.
بدلاً من تحميل تطبيق جديد، تقدم الشركة الذكاء الاصطناعي داخل الأدوات التي يستخدمونها يومياً.
يحصل صناع المحتوى على سرعة أعلى في توليد الصور وأدوات تحرير أكثر تقدماً وإمكانية تدريب المساعد على أسلوبهم الخاص.
وتحصل الشركات الصغيرة على ردود تلقائية وإنتاج محتوى وتساعد في التخطيط للحملات داخل التطبيق نفسه الذي تتواصل فيه مع عملائها.
الإطلاق يعكس تحولاً داخلياً في استراتيجية Meta.
لم تعد الشركة تنظر إلى الذكاء الاصطناعي كمجرد ميزة لتحسين التفاعل، بل أصبح محرك إيرادات مباشراً.
هذا يخلق علاقة معقدة مع المعلنين، لأن Meta تبيع مساحات إعلانية وفي الوقت نفسه تبيع أدوات AI تساعد العلامات التجارية على شراء تلك الإعلانات.
الأرباع القادمة ستكشف ما إذا كان المستخدمون مستعدين للدفع مقابل الذكاء الاصطناعي بينما تبقى البدائل المجانية مثل ChatGPT وClaude على بعد نقرة واحدة.
كما يمنح الاشتراك Meta منصة لإطلاق خطط مؤسسية أكثر تكلفة لاحقاً، ربما مدمجة مع أدوات بيانات وتحليلات.
تشات جي بي تي يقود المتسوقين إلى مواقع احتيالية بحسب بحث جديد
البحث عبر الذكاء الاصطناعي يفتح باباً جديداً للاحتيال.
بحث حديث اعتمد على تتبع حركة الإنترنت وتحليل مخرجات البحث في أدوات الذكاء الاصطناعي أظهر أن ChatGPT يحيل المتسوقين بشكل متكرر إلى مواقع احتيالية.
المشكلة تكمن في طريقة تعامل النماذج اللغوية الكبيرة مع الويب.
فهي لا تعتمد على إشارات ترتيب الصفحات التي طورتها محركات البحث التقليدية لعقود، بل تولد إجابات بناءً على أنماط في بيانات التدريب والصفحات التي تجلبها في الوقت الفعلي.
هذا يجعلها عرضة لعمليات تسميم نتائج البحث.
يقوم المهاجمون بإنشاء متاجر مزيفة وصفحات مراجعة منخفضة الجودة ومحتوى مدعوم مصمم خصيصاً لتلتقطه برامج الزحف الخاصة بالذكاء الاصطناعي.
عندما يسأل المتسوق المساعد عن مكان شراء منتج معين، قد يحصل على رابط خبيث بدلاً من متجر حقيقي.
الضرر يمتد إلى المستهلكين الذين يخسرون أموالهم والشركات الصغيرة التي تفقد مبيعاتها لصالح منتجات مقلدة.
كما أن هذه الحوادث تهز الثقة التي يحتاجها ChatGPT ليصبح مساعداً تجارياً افتراضياً.
التقرير يأتي في وقت يدفع فيه OpenAI المستخدمين نحو البحث عبر الويب والتوصيات الشرائية.
كما يزيد الضغط على كل شركة ذكاء اصطناعي لمراجعة الروابط التي تولدها نماذجها.
محركات البحث التقليدية استطاعت بناء فرق ضخمة لمكافحة البريد العشوائي، لكن المساعدات الذكية ما زالت تتعلم كيفية التحقق من المصادر.
وإلى أن يحدث ذلك، سيواصل المحتالون استغلال هذه الفجوة.
الخطوة القادمة ستكون على الأرجح مزيجاً من أدوات التحقق اللحظي وقوائم الحظر وشراكات مع مزودي الدفع والأمن.
ABBYY Phoenix Plus يضع الذكاء الاصطناعي التوليدي في قلب أتمتة المستندات المؤسسية
تحرص ABBYY على نقل الذكاء الاصطناعي التوليدي من مرحلة التجارب إلى معالجة المستندات التشغيلية.
أطلقت الشركة مجموعة نماذج جديدة باسم Phoenix Plus صممت للعمل جنباً إلى جنب مع تقنيتها السابقة في معالجة المستندات.
النسخة الأولى متاحة عبر واجهة برمجة تطبيقات، وتخطط ABBYY لدمج النماذج بشكل أعمق داخل منصة Vantage خلال الفترة المقبلة.
المنتج يأتي في وقت تواجه فيه الشركات الكبيرة ثلاث مشكلات رئيسية: الموثوقية والحوكمة والتكلفة.
النماذج التوليدية وحدها مرنة لكنها قد تختلق بيانات أو تفشل في تلبية متطلبات التدقيق.
النماذج التقليدية موثوقة لكنها صلبة وغير قادرة على التعامل مع تخطيطات جديدة.
الحل الذي تقدمه ABBYY هو بنية هجينة.
Phoenix Plus يمكنها قراءة المحتوى غير المهيكل، بينما تقوم النماذج القديمة باستخراج بيانات منظمة قابلة للتحقق من أنواع المستندات المعروفة.
الطبقتان تعملان معاً، حيث تعالج الجهة التوليدية الحالات الاستثنائية وتبقي الجهة الحتمية السجلات نظيفة.
المستفيدون هم فرق التشغيل في قطاعات التأمين والبنوك والرعاية الصحية والخدمات اللوجستية التي تتعامل مع الفواتير والمطالبات وطلبات التوظيف ومستندات الشحن.
يحتاجون إلى السرعة دون فقدان السيطرة.
المنافسون يشملون Hyperscience وUiPath وKofax ومجموعة متزايدة من الشركات الناشئة التي تستخدم نماذج من فئة GPT لقراءة المستندات.
ميزة ABBYY تكمن في تاريخها الطويل مع أنواع محددة من المستندات وقاعدتها الواسعة من العملاء المؤسسيين.
المرحلة القادمة ستكون دمجاً أوثق مع Vantage، مما يتيح للمؤسسات بناء سير عمل هجين من دون كتابة تعليمات برمجية مخصصة.
Lunai Bioworks يقدم طريقة لفحص المواد الكيميائية الخطرة الناتجة عن الذكاء الاصطناعي التوليدي
من المخاطر غير المرئية للذكاء الاصطناعي التوليدي أن النماذج اللغوية الكبيرة أصبحت قادرة على اقتراح مركبات كيميائية.
بعض هذه المركبات أدوية مفيدة، وبعضها الآخر قد يتحول إلى أسلحة أو مواد سامة.
شركة Lunai Bioworks عملت من خلال شركتها التابعة BioSymetrics على نشر دراسة تقنية توضح كيفية فحص هذه المخرجات قبل أن تتحول إلى مشكلة حقيقية.
استخدمت الشركة بيانات برنامج Tox21 التابع للمعاهد الوطنية الأمريكية للصحة للتحقق من فعالية منهجية فحص تعتمد على البنية الجزيئية لإنزيم أسيتيل كولين إستراز، وهو إنزيم يستهدف في المبيدات الحشرية والأعصاب.
أظهرت النتائج تحسناً بمقدار 5.1 أضعاف، وهو ما يعني أن طريقة الفحص كانت أفضل بكثير من الاختيار العشوائي في تحديد المركبات ذات النشاط المطلوب.
الفكرة الأساسية بسيطة: إذا اقترح نموذج ذكاء اصطناعي بنية كيميائية، يمكن لأداة الفحص أن تشير إلى ما إذا كانت تلك البنية تنتمي إلى فئة خطرة قبل أن يقوم أي شخص بتصنيعها.
هذه النتائج تنسجم مع تحذيرات أصدرتها OpenAI وAnthropic حول المخاطر المزدوجة للذكاء الاصطناعي، وتستجيب لقلق متزايد في مجال الأمن البيولوجي من أن النماذج التي تسرع اكتشاف الأدوية قد تخفض أيضاً حاجز تطوير مواد كيميائية ضارة.
المستفيدون الرئيسيون من هذا العمل هم فرق سلامة الذكاء الاصطناعي وشركات الكيمياء ومطورو الأدوية والجهات الحكومية التي تمول تقييم النماذج.
بالنسبة لهم، تقدم الدراسة طبقة تقييم ملموسة وليست مجرد توصية سياساتية.
الخطوة التالية هي الدمج داخل منصات الكيمياء التوليدية بحيث يعمل الفحص تلقائياً كلما أخرج النموذج جزيئاً.
ستحتاج Lunai إلى اختبار المزيد من الأهداف الإنزيمية ونشر نتائج قياسية يمكن للجهات التنظيمية الوثوق بها.
إذا حدث ذلك، قد يصبح الفحص القائم على البنية الجزيئية جزءاً قياسياً من منظومة الذكاء الاصطناعي التوليدي، تماماً مثل مرشح المحتوى.
