بن افلک، بازیگر و بنیان‌گذار InterPositive (استارتاپ هوش مصنوعی سینمایی که امسال به Netflix فروخته شد)، این هفته با ویدیوهایی از مصاحبه‌هایش درباره فنی‌ترین لایه‌های یادگیری ماشین وایرال شد. او در اپیزودی از سری «One More Question» مجله GQ و در کنفرانس Screentime 2026 لس‌آنجلس، با اصطلاحاتی مانند convolutional neural networks، transformers، tensors، GPUs و inference صحبت کرد و روش fine-tuning مدل‌های ویدیویی متن‌باز را توضیح داد.

روش فنی: باز کردن وزن‌ها و آموزش لایه سینمایی#

اففلک در مصاحبه با Lucas Shaw از Bloomberg گفت که مدل‌های ویدیویی متن‌باز را با «unfreezing» کردن وزن‌ها و آموزش فقط لایه نهایی سینمایی fine-tune می‌کند تا به استانداردهای واقعی تولید فیلم برسد. به گفته او، این روش اجازه می‌دهد فیلم‌سازان مالکیت آثار خود را حفظ کنند و در عین حال از آموزش مدل اختصاصی‌شان برای فیلم در حال ساخت بهره ببرند. او همین تکنیک را در فیلم «Animals» خود برای فرایند post-production به کار برد.

در مصاحبه با GQ، افلک توضیح داد که علاقه‌اش به AI از زمانی شروع شد که فیلم‌برداری از آنالوگ به دیجیتال تغییر کرد. او گفت: «من می‌توانم اسکریپت‌های پایتون خیلی بی‌کیفیت بنویسم.» سپس tensor را به‌عنوان «ترجمه عددی یک تصویر بصری» تعریف کرد — شامل شماره batch، شماره frame و مقادیر RGB هر پیکسل — و گفت شبکه‌های عصبی کانولوشنی، پیش‌سازان transformer بودند.

جزئیات فروش InterPositive و نگرانی‌های عملی#

اففلک عدد ۵۸۷ میلیون دلار را که رسانه‌ها برای فروش InterPositive به Netflix گزارش کرده بودند، «نادرست» خواند و توضیح داد که مالک کل شرکت نبوده. او همچنین گفت که از جایگاهش در هالیوود استفاده کرده تا به فناوری‌های نوظهور AI سرک بکشد و از OpenAI هم بازدید کرده است.

در پاسخ به نگرانی‌های رایج درباره AI، افلک گفت: «وقتی درباره AI نگرانم، نگران بچه‌هایم در مدرسه‌ام. نگران ۳۰ درصد افزایش نمره A در دانشگاه‌ها طی سه سال گذشته‌ام. نگران learned helplessness هستم. نگران Skynet نیستم و فکر نمی‌کنم این صنعت را به شکل معناداری تسخیر کند. فکر می‌کنم additive خواهد بود.»

خوانش تحریریه: این خبر برای سازندگان ایجنت چه معنایی دارد؟#

آنچه در این خبر ارزش توجه دارد، نه وایرال شدن یک بازیگر، بلکه جزئیات فنی روش fine-tuning اوست. افلک یک الگوی مشخص را توصیف می‌کند: مدل ویدیویی متن‌باز را می‌گیرد، وزن‌ها را باز می‌کند، و فقط لایه نهایی را برای یک استاندارد تولیدی خاص آموزش می‌دهد. این الگو برای هر کسی که می‌خواهد مدل‌های generative را برای یک حوزه عمودی خاص بهینه کند قابل‌اجراست — از سینما تا پزشکی تا حقوق. نکته دوم، تأکید او بر ساخت dataset اختصاصی است: او برای هشت ماه با تجهیزات متعدد فیلم‌برداری کرد تا داده‌ای بسازد که مدل‌های متن‌باز را برای «تکلیف‌های گسسته» آموزش دهد. این یعنی در عمل، مزیت رقابتی نه در مدل، بلکه در داده‌ی اختصاصی و در نحوه اتصال کد آموزش به کد inference است. اما باید احتیاط کرد: افلک یک بازیگر هالیوودی با دسترسی به بودجه و شبکه استارتاپی است. روشی که او توصیف می‌کند، برای یک تیم مستقل بدون دسترسی به GPU cluster و داده‌ی اختصاصی، همان عمق فنی را ندارد حتی اگر اصطلاحات یکسان باشد.

منبع: TechCrunch AI