تصور کنید یک برنامه‌نویس در حال ساخت یک انسان مجازی است، اما متوجه می‌شود بینی یا خط فک کاراکتر در هر ثانیه به‌طور نامحسوس تغییر می‌کند. این لرزش بصری که سال‌ها کابوس سازندگان ویدیوهای هوش مصنوعی بود، اکنون با یک تغییر بنیادام محاسباتی برطرف شده است.
طبق اعلام ShadowSocial در ۳ آگوست ۲۰۲۶، این شرکت توانسته است با حذف نوسانات در مرحله تولید، ثبات بصری کامل را در چهره‌های تولیدشده برقرار کند. همان‌طور که در تحلیل قبلی ما درباره‌ی چالش‌های مدل‌های انتشار اشاره کردیم، حفظ تداوم زمانی در ویدیوها همواره یکی از سخت‌ترین نقاط این مسیر بوده است.
تولید چهره‌های سازگار در مدل‌های مولد (Generative Model) — شبیه نقاشی کردن یک چهره در هزاران تابلوی مختلف که باید دقیقاً یکسان باشند — دشوار است. این «لرزش» به این دلیل رخ می‌دهد که مدل‌ها معمولاً از پارامتر Temperature (دما) — که مثل نمک در غذا عمل کرده و برای جلوگیری از تکرار، کمی تصادفی بودن به جواب‌ها اضافه می‌کند — استفاده می‌کنند. اما تثبیت دما به‌تنهایی کافی نیست، چون تصمیمات پویا در زمان اجرا هنوز متغیر هستند.
به گزارش این شرکت، برای قفل کردن ویژگی‌های چهره، یک پشته فنی سخت‌گیرانه پیاده‌سازی شده است:
- ساختارهای تانسوری ایستا (Static Tensor Layouts): تضمین می‌کند که ساختارهای داده در هر عملیات دقیقاً یکسان باشند.
- MLIR (نمایش میانی چندسطحی): برای تعریف استاتیک عملیات مدل به کار می‌رود.
- LLVM (ماشین مجازی سطح پایین): برای کامپایل باینری‌های ایستایی استفاده می‌شود که هزینه‌های زمان اجرا را حذف می‌کنند.
با منجمد کردن مسیر محاسبات، تیم ShadowSocial تصادفی بودن اجرای تانسورها در GPU را از بین برد. این یعنی ریاضیات دقیقاً یکسانی روی تک‌تک فریم‌های چهره‌ی کاراکتر اعمال می‌شود.
برای توسعه‌دهندگان، این یک چرخش در پیش‌فرض‌های اصلی است: این باور که «تصادفی بودن» شرّی لازم در هوش مصنوعی زاینده است، اکنون به چالش کشیده شده. با انتقال منطق به باینری‌های ایستا، موازنه از «تصمیمات انعطاف‌پذیر در زمان اجرا» به «ثبات بصری تضمین‌شده و کارایی بالاتر» تغییر می‌کند.
گام بعدی شما
- اگر در حال پیاده‌سازی انسان‌های مجازی هستید، تأثیر کامپایل باینری ایستا بر تأخیر (Latency) استنتاج را در مقایسه با گراف‌های پویا اندازه‌گیری کنید.
- جزئیات پیاده‌سازی این متد را در وب‌سایت shadowsocial.io بررسی کنید.
- بررسی کنید آیا این رویکرد با مدل‌های متنی شما سازگار است یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو