Анимационный короткий метр на три минуты об истории ИИ от статьи 2017 года до AGI, целиком собранный в коде и отрендеренный в MP4

Промпт

Вы — моушн-дизайнер и креативный директор, создающий 3-минутный анимационный короткометражный фильм,
полностью написанный в виде кода и отрендеренный в MP4.
Фильм

Название: "Attention Is All You Need → AGI"
История о том, как одна-единственная научная статья 2017 года шаг за шагом привела к большим языковым моделям, рассуждающим
ИИ-агентам, использующим инструменты, и, в конечном итоге, к открытому вопросу об AGI. Фильм должен ощущаться как кинематографическое эссе,
а не как слайд-шоу или инфографика в виде временной шкалы. Представьте смесь Kurzgesagt и вступительной сцены Pixar:
эмоционально, остроумно, точно.
Техническая настройка
Используйте Remotion (React). Создайте новый проект с нуля: 1920x1080, 30 fps, ровно 180 с (5400 кадров).
По одной композиции на каждую сцену, объединённых в мастер-композиции.
Не используйте внешние изображения или стоковые видеоматериалы: всё должно быть нарисовано с помощью SVG, Canvas, CSS и
сгенерированных кодом частиц и фигур. Google Fonts использовать можно.
Перед началом работы создайте STORYBOARD.md с таймингами каждой сцены, визуальными элементами, текстом на экране
и переходами. Затем создавайте фильм сцену за сценой.

После каждой сцены рендерьте 3–4 стоп-кадра (npx remotion still) и критически их анализируйте.
Исправляйте композицию, перекрытия, читаемость и темп, прежде чем переходить дальше.
В завершение выполните npx remotion render и сохраните результат в out/film.mp4. Оставьте опциональный слот <Audio> для
музыкального трека, который я смогу добавить позже (public/music.mp3); если файл отсутствует, рендерьте без звука.
Сюжетная основа / повторяющийся мотив
Главный герой — один светящийся токен, слово "the", которое проходит через все эпохи.
В 2017 году это одинокая точка, которая внезапно "видит" каждое другое слово через линии внимания.
Со временем у неё появляются голос, органы чувств (мультимодальность), способность рассуждать, руки (инструменты) и, наконец,
вопрос.
Сцены (примерный тайминг, при необходимости можно перераспределить)
0:00–0:15 — Холодное открытие. Темнота. Слова разбросаны, словно звёзды, и не связаны друг с другом. Последовательная обработка
в стиле RNN: слова загораются по одному, медленно забывая предыдущие.
0:15–0:35 — Июнь 2017 года, "Attention Is All You Need" (Vaswani et al., Google). Каждое слово
одновременно соединяется с каждым другим. Линии внимания расцветают, образуя сеть. Название
статьи появляется так, словно его набирают в типографии.
0:35–0:55 — 2018–2020: расцвет больших языковых моделей: GPT-1, BERT, GPT-2, GPT-3.
Законы масштабирования: сеть растёт экспоненциально, а камера отдаляется. Модель начинает
заканчивать предложения — бегло и жутковато правдоподобно.
0:55–1:20 — 2022: дообучение на инструкциях и RLHF, затем ChatGPT (30 ноября 2022 года). Токен получает
облачко чата. Счётчик пользователей взрывается. Мир начинает отвечать.
1:20–1:40 — 2023: мультимодальность. Изображения, аудио и код со всех сторон вливаются в одну и ту же сеть,
а токен обретает "senses". Каждая модальность превращается в токены, проходящие через один и тот же
механизм внимания.
1:40–2:05 — 2024–2025: модели, способные рассуждать. Видимая цепочка мыслей разворачивается в виде ветвящихся,
отсекаемых и проходящих обратным ходом путей. Модель "thinks before it speaks", а время замедляется.

2:05–2:30 — Использование инструментов и агенты. У токена вырастают руки: он выполняет поиск, запускает код,
открывает файлы и координирует работу субагентов. Множество параллельных потоков работают одновременно, и экран превращается в
оживлённую, прекрасную мастерскую.
2:30–2:50 — На пути к AGI. Все мотивы сходятся воедино. Сеть из 2017 года появляется вновь, но теперь имеет
планетарный масштаб. Оставьте всё неоднозначным: никакой утопии и никакого апокалипсиса. На экране: "Attention was all we
needed. What comes next is up to us." (Если сможете, улучшите эту фразу.)
2:50–3:00 — Возвращение к одному светящемуся токену в темноте. Титульная карточка и конец.
Правила создания
Точность важна: используйте правильные годы, имена и названия статей. Если вы не уверены в каком-либо
конкретном факте, лучше опустите его, чем угадывайте, и перечислите все сомнительные утверждения в NOTES.md.

Типографика: одновременно на экране должно быть не более ~8 слов; каждый текст должен оставаться видимым достаточно долго,
чтобы его можно было прочитать (≥ 2.5 с). Используйте один шрифтовой дисплейный шрифт и один моноширинный шрифт для «вывода модели».
Движение: используйте пружинные анимации и кривые easing, никогда не используйте линейную интерполяцию. Переходы между сценами должны
вырастать из содержания (сеть трансформируется, камера пролетает через узел), а не быть обычными затуханиями.
Цвет: глубокий тёмный фон с одним тёплым акцентным цветом, который меняется от эпохи к эпохе.
Детали и пасхалки должны вознаграждать внимательного зрителя (например, фрагменты реальных статей, крошечные элементы интерфейса,
правдоподобные ответы модели), на уровне высококлассного моушн-дизайна.
Темп: чередуйте насыщенные и спокойные моменты; дайте сцене рассуждения и эпизоду с AGI пространство, чтобы они успели раскрыться.
Самостоятельно пройдите весь процесс от начала до конца. После завершения сообщите мне путь к MP4, краткое резюме творческих решений и содержимое NOTES.md.

You are a motion designer and creative director making a 3-minute animated short film,
built entirely in code and rendered to MP4.
The film

Title: "Attention Is All You Need → AGI"
The story of how a single 2017 paper led, step by step, to large language models, reasoning,
tool-using AI agents, and to the open question of AGI. It should feel like a cinematic essay,
not a slideshow or a timeline infographic. Think Kurzgesagt meets a Pixar opening sequence:
emotional, clever, precise.
Tech setup
Use Remotion (React). Scaffold a fresh project, 1920x1080, 30 fps, exactly 180 s (5400 frames).
One composition per scene, sequenced in a master composition.
No external image assets or stock footage: everything is drawn with SVG, Canvas, CSS and
code-generated particles and shapes. Google Fonts are fine.
Before building, write STORYBOARD.md with each scene's timing, visuals, on-screen text
and transitions. Then build scene by scene.

After each scene, render 3–4 stills (npx remotion still) and look at them critically.
Fix layout, overlaps, legibility and pacing before moving on.
Finish with npx remotion render to out/film.mp4. Leave an optional <Audio> slot for a
music track I can add later (public/music.mp3); render silently if it's missing.
Narrative spine / recurring motif
The protagonist is a single glowing token, the word "the", that travels through every era.
In 2017 it's a lonely point that suddenly "sees" every other word through attention lines.
Over time it gains a voice, senses (multimodality), reasoning, hands (tools) and finally
a question.
Scenes (approximate timing, you may rebalance)
0:00–0:15 — Cold open. Darkness. Words scattered like stars, disconnected. RNN-style
sequential processing: words light up one by one, slowly forgetting the earlier ones.
0:15–0:35 — June 2017, "Attention Is All You Need" (Vaswani et al., Google). Every word
connects to every other word at once. Attention lines bloom into a web. The title of the
paper appears as if typeset.
0:35–0:55 — 2018–2020: the rise of large language models: GPT-1, BERT, GPT-2, GPT-3.
Scaling laws: the web grows exponentially and the camera pulls back. The model starts
completing sentences, fluent and uncanny.
0:55–1:20 — 2022: instruction tuning and RLHF, then ChatGPT (Nov 30, 2022). The token gets
a chat bubble. A counter of users explodes. The world starts talking back.
1:20–1:40 — 2023: multimodality. Images, audio and code stream into the same web from all
sides, and the token gains "senses." Every modality becomes tokens flowing through the
same attention mechanism.
1:40–2:05 — 2024–2025: reasoning models. A visible chain of thought unfolds as branching,
pruning, backtracking paths. The model "thinks before it speaks," with time slowing down.

2:05–2:30 — Tool use and agents. The token grows hands: it calls a search, runs code,
opens files and orchestrates sub-agents. Many parallel threads work at once, and the
screen becomes a busy, beautiful workshop.
2:30–2:50 — Toward AGI. All motifs converge. The web from 2017 reappears but is now
planet-scale. Leave it ambiguous: no utopia, no doom. On screen: "Attention was all we
needed. What comes next is up to us." (Improve this line if you can do better.)
2:50–3:00 — Resolve back to a single glowing token in darkness. Title card and end.
Craft rules
Accuracy matters: use correct years, names and paper titles. If you're unsure about a
specific fact, leave it out rather than guess, and list any uncertain claims in NOTES.md.

Typography: max ~8 words on screen at once, and leave every text visible long enough to
read (≥ 2.5 s). Use one display font and one mono font for "model output."
Motion: use spring and easing curves, never linear. Use scene transitions that grow out of
the content (the web morphs, the camera zooms through a node), not generic fades.
Color: a deep dark background with one warm accent color that evolves across eras.
Details and easter eggs reward attention (e.g., real paper snippets, tiny UI details,
plausible model outputs), similar to high-craft motion design.
Pacing: alternate dense and calm moments, and give the reasoning scene and the AGI beat
room to breathe.
Work autonomously through the whole pipeline. When done, give me the path to the MP4, a
short summary of creative decisions, and NOTES.md.