Phòng thí nghiệm AI có trụ sở tại London Odyssey vừa công bố bản thử nghiệm nghiên cứu đầu tiên của mô hình AI có khả năng biến video thành thế giới số tương tác theo thời gian thực. Công nghệ này không chỉ mở ra tiềm năng thay đổi ngành sản xuất phim và game, mà còn có thể tạo ra một loại hình truyền thông hoàn toàn mới.
Từ video tĩnh sang trải nghiệm tương tác động
Điểm khác biệt lớn nhất trong công nghệ của Odyssey là khả năng tạo ra video tương tác nơi người dùng có thể điều khiển thế giới hiển thị bằng bàn phím, điện thoại, tay cầm chơi game, hoặc trong tương lai là giọng nói.
Theo Odyssey, trải nghiệm hiện tại “giống như đang khám phá một giấc mơ lỗi – thô sơ, chưa ổn định, nhưng rõ ràng là điều gì đó hoàn toàn mới lạ.”
Thế giới do AI tự tạo: Không phải video, cũng không phải game
Trái với game truyền thống được lập trình logic “nếu X thì Y”, Odyssey sử dụng mô hình “world model” (mô hình thế giới) tương tự cách LLM dự đoán từ tiếp theo, nhưng ở cấp độ hình ảnh động độ phân giải cao. Mỗi khung hình mới được tạo ra dựa trên trạng thái hiện tại, lịch sử tương tác và hành động người dùng, giúp trải nghiệm trở nên tự nhiên, bất định và phi tuyến tính.
“Mô hình thế giới là mô hình động học có điều kiện theo hành động action conditioned dynamics model,” theo định nghĩa của Odyssey.
Mỗi khi người dùng tương tác, AI phân tích tình huống và phản hồi bằng một khung hình video mới gần như ngay lập tức chỉ mất 40 mili-giây để phản hồi đầu vào, tạo cảm giác điều khiển “thế giới sống” thời gian thực.
Thách thức lớn: Tính ổn định theo thời gian
Một trong những bài toán khó nhất trong video do AI tạo là hiện tượng “drift” lỗi nhỏ trong mỗi khung hình tích tụ thành lỗi lớn theo thời gian.
Để hạn chế điều này, Odyssey sử dụng chiến lược “narrow distribution model”: huấn luyện trên tập dữ liệu video chung, sau đó tinh chỉnh trên một số môi trường nhất định. Cách này đánh đổi sự đa dạng để đổi lấy tính ổn định trong trải nghiệm.
Họ cũng đang phát triển phiên bản thế hệ tiếp theo với khung hình phong phú hơn, chuyển động linh hoạt hơn và khả năng tương tác mạnh hơn.
Giá thành và hạ tầng: Cao nhưng đang giảm nhanh
Theo Odyssey, mỗi giờ tương tác hiện tốn từ £0.80–£1.60 (1–2 USD), sử dụng cụm GPU H100 đặt tại Mỹ và EU. Mặc dù đây là mức chi phí cao so với stream video truyền thống, nó rẻ hơn nhiều so với chi phí làm phim hoặc phát triển game từ đầu.
Odyssey kỳ vọng chi phí sẽ tiếp tục giảm nhờ tối ưu mô hình và công nghệ phần cứng phát triển.
AI tương tác một hình thức kể chuyện mới?
Odyssey tin rằng video tương tác do AI tạo có thể là bước tiến tiếp theo trong lịch sử kể chuyện nối tiếp sách, điện ảnh và trò chơi điện tử. Nếu đúng, chúng ta có thể đang chứng kiến giai đoạn khởi đầu của một nền tảng nội dung mới nơi người dùng không còn là khán giả thụ động mà trở thành người đồng sáng tạo trải nghiệm.
Một số ứng dụng tiềm năng có thể bao gồm:
- Giáo dục mô phỏng: Học sinh có thể nhập vai, thực hành kỹ năng trong video tương tác
- Du lịch ảo: Người dùng có thể “đi bộ” trong một thành phố qua AI, thay vì chỉ xem video tour
- Quảng cáo tương tác: Người tiêu dùng trực tiếp tương tác với sản phẩm mô phỏng
- Game AI không kịch bản cố định: Mỗi hành động người chơi sẽ tạo ra thế giới riêng biệt
Tương lai gần: Từ thử nghiệm đến đột phá?
Phiên bản nghiên cứu hiện tại của Odyssey vẫn còn sơ khai, nhưng tiềm năng rõ ràng. Khi khả năng tạo hình ảnh và phản hồi người dùng đạt đến độ hoàn thiện cao hơn, video tương tác có thể trở thành trụ cột mới của ngành nội dung số, nơi AI là đạo diễn, họa sĩ, lập trình viên và diễn viên tất cả trong một.
Tìm hiểu thêm tại: https://chatgpt.com/
