Google DeepMind anunció el martes Genie 4, su modelo mundial más nuevo para simulación interactiva en tiempo real, que brinda lo que la compañía llama realismo sin precedentes y audio nativo a entornos generados por IA que los usuarios pueden controlar sobre la marcha con lenguaje natural.
Genie 4 genera los mundos más fotorrealistas e interactivos que DeepMind ha producido hasta la fecha, según la cobertura de TechCrunch tras una rueda de prensa. Los usuarios pueden escribir indicaciones en medio de la simulación para cambiar una escena (mover la cámara, cambiar el clima o presentar nuevas personas y objetos) mientras el modelo genera audio sincronizado sobre la marcha, incluido sonido ambiental, música y diálogo interactivo.
Los modelos mundiales (sistemas de IA que simulan entornos interactivos en lugar de simplemente predecir texto o representar imágenes estáticas) se han convertido en una de las fronteras más disputadas de la IA. Siga los últimos lanzamientos de modelos de IA en AI Buzz Wire a medida que la carrera se acelera.
Construido sobre Gemini, dirigido por Gemini
Genie 4 está profundamente integrado con la familia de modelos Gemini de Google. Según el anuncio de DeepMind, Gemini Omni ancla las simulaciones en la apariencia y el comportamiento del mundo real, mientras que otros modelos Gemini proporcionan el razonamiento complejo necesario para mantener una simulación coherente a lo largo del tiempo.
TechCrunch describió la arquitectura como Gemini actuando como un director que planifica los pasos y verifica los fotogramas mientras Genie crea las imágenes. En un experimento de investigación vinculado a Gemini Robotics, un modelo Gemini 4 Argon dividió las tareas en pasos que Genie 4 luego simuló en tiempo real: una demostración que DeepMind posiciona como una posible forma de ensayar escenarios de robots en simulación antes de que sucedan en el mundo físico.
"Lo que veremos cada vez más en el futuro son estos modelos de mundo híbrido, donde tienes una combinación de Gemini escribiendo código y texto, y Genie ingiriendo eso en tiempo real y simulando la realidad en diferentes niveles de abstracción", dijo Tejas Kulkarni, director de investigación de Google, durante una sesión informativa, según TechCrunch.
Duplica la persistencia, mejor física
El salto generacional con respecto a Genie 3, lanzado como avance de una investigación hace poco más de un año, es sustancial. Genie 4 puede mantener una escena consistente por hasta dos minutos, duplicar el límite de su predecesor y ofrece mejor física y personajes más humanos, según TechCrunch. También admite ediciones de forma libre que antes no eran posibles, como cambiar el clima o los ángulos de la cámara en tiempo real o agregar nuevas personas u objetos a una simulación en ejecución.
El modelo no está exento de lagunas. El equipo de DeepMind reconoció durante la sesión informativa que los detalles y los objetos pueden variar cuanto más tiempo se ejecuta una simulación, y que la compañía aún no ha resuelto cómo garantizar que el audio generado siga siendo preciso o que el texto en el mundo siga siendo legible.
Un mercado modelo mundial en consolidación
Genie 4 llega cuando la industria mundial del modelismo comienza a consolidarse. TechCrunch señala que el lanzamiento se produce un par de meses después de que Runway lanzara GWM Worlds 2, un modelo mundial jugable con generación de audio. Mientras tanto, AMD está adquiriendo World Labs de Fei-Fei Li, Amazon está en conversaciones para comprar Decart y Rivian adquirió Third Dimension para incorporar capacidades de simulación internas para pruebas de conducción autónoma.
Claramente, Google está tratando de mantenerse a la vanguardia de ese campo abarrotado, y los inversionistas lo han notado. Los informes de prensa señalaron que las acciones de Alphabet subieron más de un 2% después de la presentación del Genie 4, que llegó justo antes del informe de ganancias trimestrales de la compañía el miércoles. El predecesor Genie 3 sacudió las acciones de los videojuegos cuando debutó el año pasado, mientras los inversores luchaban con la implicación de que los mundos generados en tiempo real podrían eventualmente competir con el desarrollo de juegos tradicionales.
De los juegos a los guiones gráficos de películas y a la robótica
DeepMind enmarca la simulación mundial como un paso crucial hacia AGI, permitiendo entornos de entrenamiento seguros para robots y agentes. Los casos de uso comerciales presentados abarcan juegos, aprendizaje interactivo y fabricación. Un ejemplo especulativo de la empresa: entrar en un cuadro de una escena histórica y charlar con sus protagonistas sobre el acontecimiento retratado.
Pero los primeros usuarios señalan algo inesperado: la preproducción cinematográfica. "El aspecto del tiempo real se vuelve más valioso en las áreas donde mantener un estado de flujo en el espacio de la creatividad resulta increíblemente útil", dijo Diego Rivas, ingeniero de Google DeepMind, durante la rueda de prensa, según TechCrunch. "Por ejemplo, en la fase de ideación, en la fase de guión gráfico, en cualquier momento que necesites una ideación rápida".
Los evaluadores confiables ya han estado usando Genie 4 para crear prototipos de películas, y Rivas sugirió que los usuarios eventualmente podrían confiar en Gemini Omni para convertir esos prototipos en activos creativos terminados, aunque enfatizó que esas capacidades aún están lejos.
Disponibilidad
Genie 4 se está implementando ahora en vista previa de investigación para un grupo limitado de evaluadores confiables. En las próximas semanas, llegará a los suscriptores de Google AI Ultra a través de Project Genie, la herramienta de Google para generar mundos interactivos a partir de mensajes de texto o imágenes, así como a socios de acceso temprano en Gemini API y AI Studio.
Ya sea que los modelos mundiales se conviertan en el próximo cambio de plataforma o sigan siendo una impresionante demostración de investigación, Genie 4 deja una cosa clara: la línea entre ver videos generados por IA y jugar en ellos está desapareciendo.
Manténgase por delante de la IA
Manténgase al día con cada lanzamiento de modelo fronterizo y avances en investigación: lea más noticias sobre IA en AI Buzz Wire.
Obtenga los últimos desarrollos de IA aquí.
