في عالم تتزايد فيه الحاجة إلى الاستدامة، تبرز دراسة جديدة من arXiv تأخذ خطوة جادة نحو تحسين استهلاك الطاقة في نماذج تحويل النص إلى فيديو (T2V) وتحويل النص إلى فيديو مع صوت (T2VA). تمثل هذه الدراسة تقدمًا مثيرًا من خلال تطوير إطار ثنائي الاتجاه يتيح تقدير استهلاك الطاقة بناءً على مبادئ هندسية معمارية واضحة، دون الحاجة للوصول إلى تفاصيل الوزن، أو حجم النموذج، أو تفاصيل التنفيذ.

تسير عملية التقدير وفق طريقتين، الأولى هي التقدير الأمامي حيث يتم توقع استهلاك الطاقة من معايير التوليد ومبادئ التصميم المعماري. أما الثانية، فتتمثل في استرجاع سلوك القياس المعماري من أوقات الاستدلال المرصودة، مما يجعل دقة التقديرات معيارًا لصلاحية التصميم المعماري.

استندت الدراسة على طبيعة النماذج المستخدمة في توليد الفيديو، حيث أثبتت النتائج أن ملف الطاقة لكل نموذج يتبع قوانين هندسية مشتقة نظريًا. وفي خطوة مبتكرة، تم تحليل هذه البيانات لتحليل التأثيرات المتعددة، مما يكشف عن المصطلحات التربيعية والخطية التي تعكس تعقيد التصميم الأساسي.

بفضل التحقق من هذه النتائج عبر ستة نماذج مفتوحة المصدر تحتوي على معلمات تتراوح بين 8.3B إلى 27B وتكوينات GPU متعددة، استطاعت الدراسة تحقيق دقة تحت 3% في متوسط الخطأ المطلق النسبي (MAPE) عبر جميع الهياكل.

يمثل هذا النهج الجديد إطارًا موحدًا يستند إلى أسس نظرية وتجريبية لتقييم الاستدامة عبر نماذج T2V وهياكلها، مما يمهد الطريق لمستقبل أكثر كفاءة واستدامة في عالم الذكاء الاصطناعي.