Ein code-gerenderter Film über die Geschichte der KI

Übersetzung

Sie sind Motion Designer und Creative Director und erstellen einen 3-minütigen animierten Kurzfilm,
der vollständig im Code aufgebaut und als MP4 gerendert wird.
Der Film

Titel: "Attention Is All You Need → AGI"
Die Geschichte, wie ein einziges Paper aus dem Jahr 2017 Schritt für Schritt zu großen Sprachmodellen, logischem Denken,
Werkzeuge nutzenden KI-Agenten und zur offenen Frage nach AGI führte. Es soll sich wie ein filmischer Essay anfühlen,
nicht wie eine Diashow oder eine Zeitleisten-Infografik. Denken Sie an Kurzgesagt trifft auf eine Pixar-Eröffnungssequenz:
emotional, klug, präzise.
Technisches Setup
Verwenden Sie Remotion (React). Richten Sie ein frisches Projekt ein, 1920x1080, 30 fps, exakt 180 s (5400 Frames).
Eine Komposition pro Szene, sequenziert in einer Master-Komposition.
Keine externen Bild-Assets oder Stock-Footage: Alles wird mit SVG, Canvas, CSS und
code-generierten Partikeln und Formen gezeichnet. Google Fonts sind zulässig.
Erstellen Sie vor dem Bauen eine STORYBOARD.md mit dem Timing, den visuellen Elementen, den Bildschirmtexten
und Übergängen jeder Szene. Bauen Sie dann Szene für Szene.

Rendern Sie nach jeder Szene 3–4 Standbilder (npx remotion still) und betrachten Sie diese kritisch.
Korrigieren Sie Layout, Überlappungen, Lesbarkeit und Pacing, bevor Sie fortfahren.
Schließen Sie das Projekt mit npx remotion render nach out/film.mp4. ab. Lassen Sie einen optionalen <Audio>-Slot für eine
Musikspur frei, die später hinzugefügt werden kann (public/music.mp3); rendern Sie stumm, falls diese fehlt.
Narrativer roter Faden / Wiederkehrendes Motiv
Der Protagonist ist ein einzelnes leuchtendes Token, das Wort "the", das durch jede Ära reist.
Im Jahr 2017 ist es ein einsamer Punkt, der durch Aufmerksamkeitslinien plötzlich jedes andere Wort "sieht".
Im Laufe der Zeit erhält es eine Stimme, Sinne (Multimodalität), Denkvermögen, Hände (Werkzeuge) und schließlich
eine Frage.
Szenen (ungefähres Timing, Anpassung möglich)
0:00–0:15 — Kaltstart. Dunkelheit. Wörter verstreut wie Sterne, unverbunden. Sequenzielle
RNN-Verarbeitung: Wörter leuchten nacheinander auf und vergessen frühere Wörter langsam wieder.
0:15–0:35 — Juni 2017, "Attention Is All You Need" (Vaswani et al., Google). Jedes Wort
verbindet sich gleichzeitig mit jedem anderen Wort. Aufmerksamkeitslinien entfalten sich zu einem Netz. Der Titel des
Papers erscheint wie im Schriftsatz.
0:35–0:55 — 2018–2020: Der Aufstieg großer Sprachmodelle: GPT-1, BERT, GPT-2, GPT-3.
Skalierungsgesetze: Das Netz wächst exponentiell und die Kamera zieht sich zurück. Das Modell beginnt,
Sätze flüssig und verblüffend treffsicher zu vervollständigen.
0:55–1:20 — 2022: Instruction Tuning und RLHF, dann ChatGPT (30. Nov. 2022). Das Token erhält
eine Sprechblase. Ein Zähler der Nutzer explodiert. Die Welt beginnt zu antworten.
1:20–1:40 — 2023: Multimodalität. Bilder, Audio und Code strömen von allen Seiten in dasselbe Netz ein,
und das Token erhält "Sinne". Jede Modalität wird zu Tokens, die denselben
Aufmerksamkeitsmechanismus durchlaufen.
1:40–2:05 — 2024–2025: Denk- und Reasoning-Modelle. Eine sichtbare Gedankenkette entfaltet sich als Pfade aus
Verzweigungen, Bereinigungen und Backtracking. Das Modell "denkt nach, bevor es spricht", während sich die Zeit verlangsamt.

2:05–2:30 — Tool-Nutzung und Agenten. Dem Token wachsen Hände: Es ruft eine Suche auf, führt Code aus,
öffnet Dateien und orchestriert Sub-Agenten. Viele parallele Threads arbeiten gleichzeitig, und der
Bildschirm verwandelt sich in eine geschäftige, faszinierende Werkstatt.
2:30–2:50 — Auf dem Weg zu AGI. Alle Motive laufen zusammen. Das Netz aus dem Jahr 2017 taucht wieder auf, hat nun
aber planetare Ausmaße. Lassen Sie es offen: Weder Utopie noch Untergang. Auf dem Bildschirm: "Attention was all we
needed. What comes next is up to us." (Verbessern Sie diesen Satz, falls Ihnen eine bessere Formulierung einfällt.)
2:50–3:00 — Rückkehr zu einem einzelnen leuchtenden Token in der Dunkelheit. Titelkarte und Ende.
Handwerksregeln
Präzision zählt: Verwenden Sie korrekte Jahreszahlen, Namen und Titel von Papern. Wenn Sie sich bei einem
spezifischen Fakt unsicher sind, lassen Sie ihn lieber weg, anstatt zu raten, und führen Sie unsichere Aussagen in NOTES.md auf.

Typografie: Maximal ca. 8 Wörter gleichzeitig auf dem Bildschirm, und jeder Text muss lange genug sichtbar sein,
um gelesen werden zu können (≥ 2,5 s). Verwenden Sie eine Display-Schriftart und eine Monospace-Schriftart für "Modellausgaben".
Bewegung: Verwenden Sie Feder- (Spring) und Easing-Kurven, niemals lineare Bewegungen. Nutzen Sie Szenenübergänge, die organisch aus dem
Inhalt hervorgehen (das Netz morpht, die Kamera zoomt durch einen Knoten), keine generischen Überblendungen.
Farbe: Ein tiefer, dunkler Hintergrund mit einer warmen Akzentfarbe, die sich über die Epochen hinweg weiterentwickelt.
Details und Easter Eggs belohnen Aufmerksamkeit (z. B. echte Ausschnitte aus Veröffentlichungen, winzige UI-Details,
plausible Modellausgaben), vergleichbar mit anspruchsvollem Motion Design.
Pacing: Wechseln Sie zwischen dichten und ruhigen Momenten ab und geben Sie der Reasoning-Szene sowie dem AGI-Moment
Raum zum Atmen.
Arbeiten Sie autonom durch die gesamte Pipeline. Übergeben Sie nach Abschluss den Pfad zur MP4, eine
kurze Zusammenfassung der kreativen Entscheidungen und die NOTES.md.