Runway Solaris mění software v živý svět generovaný umělou inteligencí

Runway Solaris přichází s radikální představou o tom, jak by mohl vznikat software: místo načtení hotové aplikace s předem naprogramovanými obrazovkami systém rozhraní průběžně vytváří. Obrazovka se má chovat spíš jako živý vizuální svět, který se mění podle toho, kam uživatel klikne, co přetáhne, kam napíše nebo co popíše přirozeným jazykem. 38

Nejde tedy jen o další nástroj pro tvorbu aplikací bez kódu. Solaris se pokouší přenést princip world modelů do světa softwarových rozhraní: obrazovka není výsledkem pevně dané implementace, ale průběžně generovanou posloupností vizuálních stavů.

Co je Runway Solaris?

Runway představilo Solaris 31. srpna jako experimentální „Interface World Model“, tedy model světa pro uživatelská rozhraní. Jeho základní myšlenka spočívá v nahrazení obvyklého postupu — napsat HTML, CSS a JavaScript a nechat prohlížeč vykreslit výsledek — přímým generováním toho, co uživatel vidí.

Zážitek v Solarisu může začít vizuální předlohou, například scénou s produktem nebo prostředím odpovídajícím určité značce. Model kolem tohoto výchozího obrazu vytvoří rozhraní a následně ho mění podle interakcí. Vývojář nemusí předem naprogramovat každou obrazovku a každý přechod; systém se pokouší odhadnout a syntetizovat, co má být vidět dál.

Tento přístup je důležitý hlavně u vizuálně bohatých rozhraní. Při převodu obrazu nebo konceptu do kódu může model část vizuálních informací ztratit. Solaris naopak staví vizuální scénu do centra a podle Runway se tím snaží zachovat její soudržnost i přirozenější chování během interakce.

Jak Solaris vytváří interaktivní rozhraní

Solaris odděluje interpretaci uživatelské akce od samotného vizuálního vykreslení jejího výsledku.

1. Uživatel zadá pokyn nebo provede akci. Může kliknout na objekt, přetáhnout prvek, zadat text nebo přirozeným jazykem požádat o změnu.
2. Jazykový model interpretuje záměr. Určí, co se má stát dál, zda se má změnit aktuální scéna, a jak chování popsat vizuálnímu modelu. 38
3. Interface world model vykreslí další stav. Místo kódované webové stránky Solaris vygeneruje následující vizuální snímek podle interakce a předchozích snímků.
4. Proces se opakuje. Každá nová akce se stává součástí kontextu pro další snímky, takže rozhraní se může průběžně vyvíjet namísto přepínání mezi předem připravenými obrazovkami.

Vizuální část vychází z technologie Gen-4.5, kterou Runway používá pro generování videa z textu nebo obrazu. Dokumentace pro vývojáře popisuje Gen-4.5 jako model pro text-to-video a image-to-video; Solaris tento základ využívá v interaktivním autoregresivním režimu. 46

Co má umožnit fungování v reálném čase

Vygenerovat nový vizuální stav po každé akci je výrazně náročnější než vytvořit krátký videoklip. Solaris proto používá několik technik, jejichž cílem je snížit odezvu a udržet kvalitu i během delšího používání.

Postupné generování snímků

Model vytváří snímky autoregresivně — každý další navazuje na předchozí. Když uživatel provede akci, systém tak může pokračovat v aktuálním vizuálním stavu, místo aby pokaždé začínal zcela novou generaci.

Destilace do rychlejšího modelu

Runway uvádí, že pomalejší difuzní model, takzvaný „učitel“, destiluje do rychlejšího modelu, který potřebuje jen malý počet kroků odšumování. Cílem je omezit výpočetní náročnost každé odpovědi a přitom zachovat dostatečnou obrazovou kvalitu pro interaktivní použití.

Trénování na vlastních výstupech

Runway také uvádí, že rychlý model trénuje na vlastních vygenerovaných výstupech. Tím chce omezit zhoršování kvality během dlouhé řady na sobě závislých snímků, v níž by se jinak mohly drobné chyby postupně sčítat.

Mezi deklarované cíle Runway patří odezva kratší než přibližně půl sekundy, soudržnost po celou dobu relace a vizuální kvalita v rozlišení 720p. Jde však o výzkumné cíle, nikoli o záruku, že každá interakce v Solarisu těchto hodnot dosáhne.

Jak si Solaris vedl proti rozhraním vytvořeným kódem?

Runway popisuje uživatelskou studii s 250 účastníky a přibližně 7 500 párovými hodnoceními napříč 30 příklady interakcí. Účastníci porovnávali rozhraní generovaná Solarisem s rozhraními vytvořenými jako kód pomocí Claude Opus 5.

Podle zveřejněných výsledků účastníci upřednostnili Solaris:

• v 61 % případů při plnění pokynů,
• v 71 % případů z hlediska přirozenosti chování.

Výsledky naznačují, že generovaná rozhraní mohou v některých situacích působit vizuálně soudržněji nebo intuitivněji. Nelze z nich ale vyvozovat, že Solaris je obecně lepší než klasický software. Studie se zaměřuje na subjektivní hodnocení interakce, nikoli na spolehlivost, správnost, bezpečnost, údržbu, náklady, výkon nebo přístupnost. Z dostupných materiálů navíc nelze nezávisle ověřit úplnou metodiku studie ani statistické vyhodnocení.

Největší omezení Solarisu

Stejný mechanismus, který dává Solarisu flexibilitu, přináší také řadu složitých technických a produktových problémů.

Generovaný text zůstává nestabilní

Čitelný a přesný text je dlouhodobou slabinou generování obrázků a videa v reálném čase. Systém může vytvořit působivou obrazovku, ale popisky, čísla, nabídky nebo instrukce zobrazit chybně. Runway označuje generování textu za nevyřešený problém a zmiňuje možný hybridní přístup: obrazové modely by obsluhovaly statické okamžiky s velkým množstvím textu, zatímco video modely by zajišťovaly plynulou interakci.

Přesvědčivý vzhled neznamená správnost

Vizuálně působivé rozhraní nemusí být fakticky spolehlivé. Solaris je v současnosti opřen především o výchozí obraz a dodané reference, takže může sebejistě zobrazit nesprávnou odpověď, údaj o produktu nebo vizuální reprezentaci. Runway uvádí jako další směr výzkumu bohatší ověřená data, dokumenty a referenční materiály.

Dlouhé relace mohou ztrácet soudržnost

Každý stav závisí na řetězci předchozích vygenerovaných stavů a rozhodnutí modelu. Při otevřeném používání proto mohou chyby narůstat. Udržet po dlouhou dobu konzistentní scénu, vlastnosti objektů, instrukce i historii interakcí zůstává aktivním výzkumným problémem.

Vykreslování každého snímku něco stojí

Běžný web obvykle doručí kód a zdroje, které vykreslí zařízení uživatele. Solaris místo toho průběžně provádí generativní výpočty, aby vytvořil viditelný výsledek. Runway tvrdí, že její optimalizace tento proces výrazně zlevnily oproti standardní difuzi videa, generování snímek po snímku je však stále náročnější než zobrazování pevně naprogramované stránky. Deklarovaným cílem prototypu je vizuální kvalita 720p.

Přístupnost a napojení na další software nejsou dořešené

Samotný vyrenderovaný obraz automaticky neposkytuje strukturované významy, na které spoléhají čtečky obrazovky a další asistivní technologie. Nenabízí ani přirozeně kontrolovatelný stav, strukturu událostí a předvídatelná rozhraní, která potřebuje řada softwarových systémů. Analytici označují absenci klasického DOM a vrstvy pro přístupnost za významnou překážku nasazení v prostředích, kde je nutná přístupnost nebo důkladná auditovatelnost.

Je Solaris dostupný?

Solaris byl představen jako experimentální výzkum, nikoli jako široce dostupná produkční platforma pro tvorbu aplikací. Zprávy ho popisují jako výzkumnou ukázku s předběžným přístupem nebo možností požádat o přístup, nikoli jako běžně vydaný nástroj.

Jeho současný význam je proto především koncepční a výzkumný. Ukazuje možný směr vývoje softwarových rozhraní, zatím však neposkytuje důkaz, že ho lze bez větších změn nasadit jako náhradu klasických aplikací.

Jak Solaris souvisí s Runway GWM-1

Solaris navazuje na širší výzkum world modelů společnosti Runway, slouží však jinému účelu. Runway popisuje GWM-1 jako obecný real-time simulátor prostředí, avatarů a robotické manipulace. Solaris zužuje stejnou ideu na softwarová rozhraní: simulovaným „světem“ je aplikace nebo web a jeho vývoj řídí uživatelovy akce. 12

Runway tak rozšiřuje svůj zájem od generování médií ke generování interaktivních vizuálních prostředí. Rozhraní není pouze video ke sledování; je to scéna, která reaguje na akce a během pokračující interakce se znovu vytváří.

Proč by Solaris mohl být důležitý

Jiná cesta k tvorbě softwaru

Pokud se tento přístup stane spolehlivým, tvůrci by mohli v přirozeném jazyce popsat vizuální prostředí, produkty, cíle a chování, místo aby ručně implementovali každý možný stav v kódu. Zajímavé by to mohlo být zejména u prostorových, vizuálních nebo experimentálních zážitků, kde běžné rozvržení uživatelského rozhraní působí omezujícím dojmem.

Flexibilita by však vycházela z generování, nikoli z explicitní programové logiky. U produkčního softwaru by týmy stále potřebovaly předvídatelné chování, testovatelnost, integritu dat, přístupnost a napojení na další systémy. Solaris zatím neprokázal, že by v těchto oblastech dokázal nahradit zavedené postupy vývoje.

Nová vrstva pro AI agenty

Solaris zároveň naznačuje způsob, jak by AI agenti mohli pracovat s neznámými vizuálními prostředími. Agent by nemusel spoléhat výhradně na pevná API nebo předem naprogramované postupy. Mohl by rozhraní interpretovat jako dynamický svět, provést akci, sledovat její výsledek a pokračovat podle nově vzniklého stavu.

To je důležitý směr pro agenty, které musí ovládat rozhraní bez předem známého automatizačního schématu. Zatím však jde o výzkumnou vizi. Spolehlivá strukturovaná API a klasický přístupný software mají dál zásadní výhody tam, kde je nutná auditovatelnost, přesnost a opakovatelnost.

Praktický závěr

Solaris je nejlepší chápat jako výzkumnou ukázku generativních softwarových rozhraní, nikoli jako konec aplikačního kódu. Jeho nejvýraznější myšlenkou je, že samotné rozhraní se stává výstupem modelu: posloupností snímků generovaných umělou inteligencí, vedených jazykovým modelem a utvářených uživatelskými akcemi.

Studie zveřejněná Runway naznačuje, že lidé mohou tento přístup v některých situacích preferovat kvůli přirozenější interakci a lepšímu následování pokynů. Nevyřešené otázky — přesnost textu, faktická správnost, soudržnost během dlouhých relací, náklady, přístupnost a integrace — však nejsou jen kosmetické nedostatky. Jde o základní požadavky každého skutečně použitelného produktu. Solaris ukazuje, čím by se model světa pro rozhraní mohl stát, zároveň ale připomíná, proč klasický kód zůstává tak obtížné nahradit.