【Dẫn nhập】Fable 5 trở lại, Gostev từ Arena.ai tung ra video với 63 thế giới 3D, hầu hết đều hoàn thành chỉ trong một lần chạy. Xem xong video, ngay cả Karpathy - người mới gia nhập nhóm tiền huấn luyện của Anthropic - cũng phải thốt lên không ngờ.
Một con gấu đứng bên bờ sông, cắn phập con cá hồi vừa nhảy lên.
Con cá vùng vẫy trong miệng nó.
Hình ảnh này trực tiếp làm Andrej Karpathy sững sờ.
Sau khi xem loạt video 3D này, ông viết trên X:
Thật không thể tin nổi, trước đây tôi không nhận ra mô hình lại có thể sáng tạo ra những thế giới phong phú, sống động và có thể tương tác đến vậy.
Ông còn ném ra một từ mới: fablemaxxing.
Đẹp quá, đây là fablemaxxing đỉnh cao! Mỗi tầng mô hình mới, luôn có thứ gì đó hoàn toàn mới thực hiện một bước nhảy vọt về chất và mang đến bất ngờ.
Karpathy mới gia nhập Anthropic vào tháng 5 năm nay, và tham gia chính vào nhóm tiền huấn luyện.
Tháng 6, Fable 5 ra mắt, ba ngày sau bị lệnh cấm xuất khẩu của Mỹ gọi dừng, và vừa được dỡ bỏ vào ngày 1/7. Tác giả video, là Peter Gostev từ nền tảng đánh giá AI Arena.ai.
Anh ta dùng Fable 5 một hơi tạo ra 63 cảnh 3D độ khó cao, hầu hết đều dùng thư viện đồ họa ba chiều (Three.js), phần lớn hoàn thành ngay từ lần đầu.
Cách đây hơn một tháng, việc muốn AI tạo ngay một lần một thế giới 3D có thể bước vào chơi được, vẫn gần như là chuyện viển vông. Giờ đây, Fable 5 một hơi có thể 'nhào nặn' ra 63 cái.
Vì vậy, Gostev không khỏi cảm thán trong video: Ngay cả người trong phòng thí nghiệm, cũng chưa hoàn toàn nắm rõ nó có thể làm được những gì.
1600 dòng mã, một Manhattan dưới nước đang sống động
Đầu tiên hãy nói về cảnh gây ấn tượng nhất trong video.
Toàn bộ Manhattan chìm dưới nước. Công viên Trung tâm, tòa nhà chọc trời, kết cấu đường phố, chi tiết phong phú đến khó tin.
Gostev lật ra xem mã: 1600 dòng. Chỉ với 1600 dòng này, đã dựng lên một thành phố dưới nước đang sống động.
Manhattan do Fable 5 tạo, từ Battery đến Inwood thu trọn cả hòn đảo, hàng chục nghìn tòa nhà mỗi cái có đường nét riêng, tất cả được dựng bởi 1600 dòng mã. (Nguồn: Video Peter Gostev)
Những thế giới như vậy, Gostev đã tạo tổng cộng 63 cái, chia thành 6 chủ đề lớn.
Trong các thế giới 3D khổng lồ, Istanbul trải dài hai bờ Âu Á, London qua 2000 năm biến đổi, kim tự tháp hùng vĩ, Pompeii phun trào, cầu Cổng Vàng với dòng xe lưu thông, lần lượt được dựng lên;
Istanbul hoàn thành ngay một lần bởi Fable 5, trải dài Âu Á, xếp tầng đổ ra biển. (Nguồn: Video Peter Gostev)
Vương quốc ăn được do Fable 5 tạo, một nhà máy sô-cô-la làm bằng kẹo. (Nguồn: Video Peter Gostev)
Các cảnh có thể tương tác chơi được, có parkour trên mái nhà New York, sân chơi vật lý có thể tháo rời cả thành phố, mô phỏng bay với bảng điều khiển đầy đủ.
Điều khó tin nhất, là bước vào các kiệt tác hội họa thế giới. Đêm đầy sao của Van Gogh, hoa súng của Monet, từng bức tranh trải ra thành thế giới 3D có thể đi qua.
Một loại nữa là góc nhìn bất khả thi: một con kiến cao một milimet trong mưa quan sát khu vườn, mở mắt ra đã đụng phải một núi vàng.
Fable 5 hạ góc nhìn xuống cao một milimet, lá cỏ mọc thành những đỉnh núi sừng sững. (Nguồn: Video Peter Gostev)
Trong kỳ quan thiên nhiên, có thác Niagara, khu rừng với đom đóm đồng loạt nhấp nháy, cảnh con gấu ăn cá hồi làm Karpathy choáng ngợp, nằm trong loại này.
Cuối cùng, là các nguyên tố và vũ trụ: Biển Đỏ bị chẻ đôi, hòn đảo núi lửa đang hình thành, thang máy vũ trụ đâm thẳng lên mây.
Biển Đỏ do Fable 5 tạo ra bị chẻ đôi, người bước đi giữa hai bức tường nước. (Nguồn: Video Peter Gostev)
Theo Gostev, một cảnh đơn lẻ có đẹp hay không, chưa bao giờ là điểm khó. Khó ở chỗ mô hình có thể đồng thời quản lý khối lượng lớn các phần tử, để chúng phối hợp với nhau hay không.
Mô hình yếu hơn, thường 80% đầu làm ra có vẻ khá, 20% cuối cùng đổ vỡ toàn bộ, thời gian debug còn lại thậm chí còn dài hơn.
Bạn không thể sao chép y nguyên một bức tranh, nó phải hiểu trước đã
Nếu việc dựng thành phố còn có logic để dựa vào, thì loạt tranh dưới đây, mới là thứ khiến Gostev liên tục thốt lên vài từ 'không thể tin nổi'.
Bức "Đêm đầy sao" của Van Gogh.
Bạn không thể sao chép y nguyên một bức tranh như vậy, toàn bề mặt tranh chất đầy lớp sơn dày, từng nét cọ cuộn xoáy.
Cách làm của Fable 5, là dùng những đường nét độc lập, trong không gian ba chiều lắp ghép lại bầu trời đầy sao đó, rồi để bạn bay vào, xuyên qua giữa những vòng xoáy.
Fable 5 tách bức "Đêm đầy sao" của Van Gogh thành từng đường nét 3D, lắp ghép lại trong không gian ba chiều, để bạn bay vào giữa những đám sao và vòng xoáy chuyển động. (Nguồn: Video Peter Gostev)
Hoa súng của Monet, sóng biển của Hokusai, cũng được 'mở ra' thành thế giới có thể dạo chơi.
Theo Gostev, lần này Fable đặc biệt giỏi trong việc diễn giải một sự việc rõ ràng, vừa có thể trình diễn vừa nói rõ mọi thứ vận hành thế nào. Khả năng giải thích này, là điều anh ta trước đây chưa lường tới.
Tất nhiên, những thế giới này không phải là 'một câu' mà biến ra.
Gostev đưa cho mô hình, là những tài liệu quy cách dài và chi tiết, phần lớn trường hợp hoàn thành ngay lần đầu, cũng có một phần làm một đến hai vòng điều chỉnh nhỏ.
Điểm phân chia thực sự nằm ở chỗ: Trước đây phải mười mấy vòng mới mài ra được thứ, giờ đây một file HTML, phần lớn chạy một lần là ra.
Phía sau phép màu, cũng có điểm yếu
Gostev thừa nhận, loạt ví dụ của anh ta là đã được lọc. Tổng số anh ta tạo ra nhiều hơn số trưng bày khoảng hai phần mười, đã loại bỏ những cái có lỗi rõ ràng, mới để lại 63 cái này.
Trò chơi, là điểm yếu của nó.
Anh ta thừa nhận mấy cảnh có thể chơi được đó, 'chơi 30 giây là chán'. Có một phiên bản đế chế La Mã, anh ta cho là quá hoạt hình.
Tinh tế hơn, anh ta cảm thấy đôi khi mô hình như đang lười biếng, giấu đi thực lực, phải thúc giục nó nhiều lần tham vọng hơn, nó mới chịu bộc lộ bản lĩnh thật sự.
Khi Fable 5 ra mắt, nó đã đứng đầu bảng xếp hạng Agent Arena của Arena.ai với ưu thế lớn nhất lịch sử.
Arena.ai chính thức tuyên bố, bảng xếp hạng này đo lường khả năng mô hình thực sự hoàn thành công việc trong hàng triệu nhiệm vụ thực tế.
Cuộc khám phá này, mới chỉ vừa bắt đầu
Trở lại với cảnh con gấu bắt cá hồi trong video.
Điều khiến Karpathy cảm thấy kỳ lạ là, việc con cá bị cắn sẽ vùng vẫy, một chi tiết nhỏ không ai yêu cầu như vậy, làm sao một mô hình lớn chỉ học từ internet lại biết được?
Biết rồi, lại làm thế nào để dịch sự hiểu biết đó thành tọa độ xyz, lưới, biến đổi, hoạt ảnh, hiệu ứng, tương tác, thậm chí là những câu chuyện siêu nhỏ?
Câu hỏi này, đã vượt qua việc 'AI vẽ có đẹp không', rơi vào 'nó rốt cuộc hiểu được bao nhiêu'.
Karpathy còn cảm thán: Thêm một đến ba tầng mô hình nữa lên trên, có thể tạo ra được gì, thật không dám nghĩ.
Gostev cũng kinh ngạc trước tốc độ phát triển nhanh chóng của AI, 'Đừng bị giới hạn bởi mô hình nửa năm trước. Có lẽ bạn không quan tâm đến 3D, nhưng chắc chắn bạn có một việc mà mô hình trước đây không làm được, còn mô hình hôm nay thì làm được. Hãy thử đi.'
Ngay cả người tạo ra mô hình, cũng chưa chạm đến giới hạn của nó.
Cuộc khám phá này, mới chỉ vừa bắt đầu.
Tài liệu tham khảo:
https://github.com/petergpt/3d-prompt-collection#prompt-01
https://x.com/karpathy/status/2073505440479293773
https://www.youtube.com/watch?v=rTc2_-1KuRE&t=14s
Bài viết từ tài khoản công chúng WeChat "Tân Trí Nguyên" (新智元), tác giả: ASI Khải Thị Lục (ASI启示录); Biên tập: Nguyên Vũ (元宇)
