3D ML / World Models

@goldybin Google + Unity: Playground и Unity Spark - генерация полноценных интерактивных игр промптами 7 октября Google и Unity официально объявили стратегическое партнерство и одновременно запустили Playground - экспериментальную AI-платформу, где игру можно создавать и переделывать обычным текстом. Это уже доступный продукт, а не исследовательское демо. blog.google Playground позволяет с нуля задавать промптами: персонажей и окружение; правила игры; физику; игровую механику; затем сразу запускать результат в браузере; публиковать игру или отправлять ссылкой; для некоторых жанров есть multiplayer и leaderboards. blog.google Это закрытая платформа, никаких весов или локального запуска нет. Сегодня она стартовала для пользователей 18+ в США, а объем доступной генерации зависит от уровня Google One. Цены Google пока публично не раскрыла. blog.google Вторая часть интереснее - Unity Spark. Это новый браузерный AI-инструмент Unity, который подключат к Playground позднее в 2026 году. Unity обещает полноценный Unity runtime, более сложную игровую механику, high-fidelity 3D и прямое использование ассетов из Unity Asset Store. Закрытая beta ожидается скоро. Unity Источники: https://blog.google/innovation-and-ai/technology/ai/playground-experimental-gaming-platform/ https://unity.com/news/google-and-unity-partner-on-new-ai-gaming-platform-for-the-next-era-of-interactive-entertainment https://unity.com/blog/why-we-built-unity-spark

Дико интересная статья про пространство смыслов, которое не зависит от конкретного языка. Самое захватывающее в том, что его нашли и у кожаных в мозгу и у LLM в "средних слоях". Итак, исследование показывает, что, несмотря на различия в языках (звуки, алфавиты, синтаксис), их смысловые представления в мозге схожи и могут быть смоделированы нейросетевыми языковыми моделями (LLMs). И человеческий мозг, и LLMs создают сходное "пространство концепций", объединяющее разные языки. Использовались данные fMRI людей, слушавших одну и ту же историю («Маленький принц») на английском, китайском и французском языках. Применялись воксельные модели кодирования, связывающие эмбеддинги слов из BERT и Whisper с активностью мозга. Сравнивались одноязычные модели (uBERT) и многоязычная модель (mBERT), а также мультимодальная модель (Whisper). Результаты Сходство представлений: Даже одноязычные модели BERT формируют сходные концептуальные пространства, особенно в средних слоях. Мозговая активность в зонах, отвечающих за понимание, схожа у всех разно-язычных групп людей Кросс-языковая генерализация: Модели, обученные предсказывать активность мозга для одного языка, могут предсказывать активность для других языков, если история одинакова по смыслу. Речь и текст: Whisper выявляет общие фонетические и акустические паттерны между разными языками, которые также отражаются в активности мозга. Итого: Смысловое восприятие в мозге не зависит от формы языка. Как мозг, так и LLMs кодируют концепции в высокоразмерном пространстве (область смыслов\концепций?), где смысловые структуры совпадают для разных языков, иначе говоря, нейронные репрезентации смысла, лежащие в основе разных языков, являются общими для носителей разных языков, и что языковые модели, обученные на разных языках, сходятся на этом общем значении Общие концептуальные представления формируются благодаря взаимодействию людей с окружающим миром, а не только особенностям языка. Тут интересно поразмышлять, в каком пространстве мы мыслим - ближе к языку или к вот этим вот скрытым смыслам? https://paperswithcode.com/paper/brains-and-language-models-converge-on-a @cgevent

Пользователи Алисы AI Про и Yandex AI Studio теперь могут подключиться через MCP к Phygital+ и создать креативных агентов прямо в интерфейсе «Яндекса», для того чтобы автоматизировать креативные задачи: 🔹 собрать карточку для маркетплейса из фото товара и характеристик; 🔹 сделать баннер из текстового брифа; 🔹 собрать диалоговый ролик из наброска сценария; 🔹 сгенерировать видео с продуктом по ссылке на товар; Подробности — в презентации Дарьи Мухиной, СРО Phygital+, на Yandex Scale, сегодня в 14:00. Если ваша команда хочет собирать креативы в 3–10 раз быстрее и эффективнее, то это выступление точно для вас. Смотрите онлайн, бесплатно.

Ответочки по генераторам миров. Runway бахнули GWM Worlds 2, это типа непрерывный видеомир, который генерируется на лету и реагирует на действия пользователя. Если тупо: GWM Worlds 2 пытается заменить игровой движок генерацией. Не полностью и пока очень сыро, но концептуально именно так. Что внутри: На старте задаются окружение, персонажи, визуальный стиль, атмосфера и правила мира. И один стартовый кадр. Мульти-референсного режима для отдельных персонажей, объектов и стиля Runway не заявляет. После запуска пользователь продолжает взаимодействовать с этим же миром: отдаёт команды отдельным персонажам, меняет сцену, двигает камеру, вызывает новые события. Runway заявляет генерацию 720p при 24 fps со звуком 48 kHz в реальном времени. Ээ-ээ. Ну ок. Вон Минимакс Макс стримит, просто я еще не привык. Например, можно создать сцену с корованами и грабежом в пустыне, а затем во время сессии заставить их идти, взаимодействовать с объектами, изменить погоду или освещение и одновременно свободно двигать камеру. Для игровых корованных демо текстовые команды можно привязывать к клавишам и мыши, поэтому со стороны это начинает выглядеть почти как обычная игра. Это развитие прошлогоднего GWM-1 - General World Model, который Runway представила как фундамент для нескольких направлений: Worlds, Avatars и Robotics. В GWM-1 ветка Worlds уже показывала идею интерактивных генерируемых окружений, но Worlds 2 делает следующий шаг: Runway отдельно подчёркивает непрерывную audiovisual-генерацию, управление несколькими субъектами, свободную камеру и возможность менять сам мир во время сессии. GWM Worlds 2 остаётся генеративной audio-video моделью. Runway описывает её как autoregressive diffusion model: новые кадры строятся на основе исходного описания мира, первого кадра, предыдущей генерации и текущих действий пользователя. Это означает, что модель не обязана хранить точное постоянное 3D-состояние каждого объекта. Runway сама предупреждает, что на длинных сессиях могут постепенно меняться геометрия, текстуры и детали, особенно при быстрых движениях камеры. С физикой похожая история. Runway позволяет задавать правила вроде гравитации и столкновений, но это не означает наличие отдельного детерминированного физического движка. Модель скорее пытается визуально продолжать сцену в соответствии с заданными правилами. Отдельно интересно появление синхронного аудио. Звук теперь является частью того же генерируемого мира: речь, ambience и звуковые события могут продолжаться вместе с видео. В перспективе Runway видит применение GWM Worlds 2 в нузагеймдев, виртуальных персонажах, робототехнике и симуляциях embodied agents. Сейчас GWM Worlds 2 находится в статусе research preview. Это явно ответочка на Атлас: Runway двигается от генератора видео к модели, которая пытается быть самой средой, внутри которой можно действовать. Кстати, я тут видел похожую поделку из говна и палок на базе Minimax H3 Max. Скоро опенсорс ответит. Ссылки: https://runway.com/research/introducing-gwm-worlds-2 https://runway.com/research/runway-game-worlds А демо с тетенькой огонь... неужели без поста..? @cgevent

Хорошая визуализация других подходов к анализу WM https://x.com/furongh/status/2066203382117962182?s=46