Google DeepMind Genie 4 را برای مشترکین واجد شرایط Google AI Ultra عرضه کرده است و Project Genie را از یک نمونه اولیه تحقیقاتی به یک محصول مصرفی برای تولید و کاوش در جهان های تعاملی تولید شده توسط هوش مصنوعی تبدیل کرده است. گوگل اعلام کرد که این به روز رسانی برای اولین بار دسترسی عمومی را به Genie 4، یک عامل ساخت مکالمه، و یک گالری انجمن که در آن کاربران می توانند ساخته های خود را به اشتراک بگذارند و دوباره میکس کنند، به ارمغان می آورد.

Project Genie در اوایل سال جاری به عنوان یک نمونه اولیه تحقیقاتی آزمایشی معرفی شد و آزمایش‌کنندگان اولیه به گوگل گفتند که می‌خواهند کنترل عمیق‌تری بر آنچه در داخل جهان‌های تولید شده اتفاق می‌افتد و راه‌های آسان‌تر برای ساخت و اشتراک‌گذاری آنها داشته باشند. نسخه جدید که به طور گسترده توسط جامعه توسعه دهندگان پوشش داده شده است، زیرا این هفته در صدر انجمن های گفتگو قرار گرفت، به هر دو درخواست پاسخ می دهد. برای پوشش مداوم آخرین پیشرفت‌های هوش مصنوعی از Google DeepMind و هر آزمایشگاه بزرگ دیگری، AI Buzz Wire هر عرضه‌ای را که اتفاق می‌افتد دنبال می‌کند.

Any World Mid Session را ویرایش کنید

Genie 4 واقعی‌ترین و تعاملی‌ترین مدل دنیای Google DeepMind تاکنون است، و ویژگی تعیین‌کننده آن ویرایش زنده است: کاربران می‌توانند در اواسط جلسه از شما بخواهند دنیایی را که در حال حرکت در زمان واقعی هستند تغییر دهند. گوگل در اعلامیه خود گفت: «آب و هوا را تغییر دهید، یک کاراکتر را رها کنید یا اقدام را تغییر دهید» با یک درخواست تایپ شده.

برای اولین بار، Genie 4 این تصاویر را با صدای بومی بی‌درنگ جفت می‌کند که با باز شدن صحنه سازگار می‌شود، از مناظر صوتی محیط گرفته تا گفتگوی شخصیت‌ها. گوگل نشان داد که یک دستور زبان طبیعی را به یک پیاده‌روی فضایی تعاملی تبدیل می‌کند، سپس یک سفینه فضایی بیگانه را به دستور احضار می‌کند و یک کافه در دامنه تپه را به یک غرفه شیشه‌ای در صحرا تبدیل می‌کند.

یک نماینده مکالمه دنیای شما را می سازد

ایجاد یک جهان دیگر نیازی به یک دستور کامل ندارد. عامل جدید Project Genie مجموعه مدل‌های چندوجهی Google را از طریق مکالمه معمولی هماهنگ می‌کند: کاربران دیدگاه خود را توصیف می‌کنند، و نماینده تصاویر اولیه را ایجاد می‌کند که ظاهر امضای جهان را ایجاد می‌کند، همراه با نمرات پس‌زمینه سفارشی متناسب با حال و هوا.

مدل‌های Gemini همچنین می‌توانند در حین اجرا به جلسه ملحق شوند، آنچه را که روی صفحه اتفاق می‌افتد مشاهده کنند، تراشه‌های پیشنهادی آگاه از زمینه را برای مکان بعدی در معرض دید قرار دهند، یا رویدادهای درون جهان را به‌طور خودکار در حین باز شدن سفر راه‌اندازی کنند. به گفته گوگل، نتیجه، ساختن یک جهان تعاملی را «به آسانی مکالمه» ایجاد می کند.

گالری ساخته شده برای ریمیکس

گالری انجمن جدید به مشترکین Ultra اجازه می‌دهد تا دنیاهای سفارشی را برای کاوش و ترکیب مجدد دیگران منتشر کنند. نمونه‌های انتخاب‌شده خود گوگل این محدوده را نشان می‌دهد: «حافظه زنده» عکس‌های شخصی را به فضاهای قابل کاوش تبدیل می‌کند، «راهنمای میدان دینو» در زیست‌گاه‌های ماقبل تاریخ که در تصاویر پانورامای ۳۶۰ درجه قرار گرفته‌اند، سرگردان می‌شود، و «قیچی کاغذ سنگی» اشیاء موضوعی را روی یک میز با جمینی به‌عنوان داور واقعی در مقابل یکدیگر قرار می‌دهد.

جن 3 در انتخابگر مدل باقی می ماند

علیرغم معرفی Genie 4، Genie 3 در انتخاب مدل Project Genie برای مواردی که ابزار بهتری باقی می‌ماند، در دسترس باقی می‌ماند - دویدن طولانی‌تر و فضاهای پانوراما. گوگل به‌روزرسانی‌های Genie 3 از جمله رویدادهای فوری که دنیاهای مختلف را به یک پرواز مداوم در جنگل‌ها، خرابه‌های زیر آب و دریاهای یخی متصل می‌کند، و زمین‌بندی پانورامای 360 درجه که دره و نمای پترا را در حین حرکت دوربین ثابت نگه می‌دارد، برجسته کرد.

در یکی از نمایش‌ها، Genie 3 دوهای طولانی‌تر، زمین‌گیری پانوراما و رویدادهای سریع را با هم ترکیب کرد تا یک جهان در اواسط پرواز را متحول کند - حتی یک اژدهای قابل سوار را به دستور فراخواند.

دسترسی و در دسترس بودن

Genie 4 اکنون در اختیار مشترکین واجد شرایط Google AI Ultra است که می‌توانند امروز دنیاها را در گالری انجمن بسازند، به اشتراک بگذارند و دوباره میکس کنند. اعضای Google AI Pro می توانند به لیست انتظار بپیوندند. همه چیز به طور مستقیم از طریق وب سایت Project Genie در مرورگر اجرا می شود، بدون نیاز به دانلود.

از نمونه اولیه تا محصول در سه هفته

سرعت این عرضه قابل توجه است. Project Genie به عنوان یک آزمایش تحقیقاتی محدود تنها هفته‌ها پیش وجود داشت و گوگل می‌گوید این به‌روزرسانی پاسخی مستقیم به آنچه آزمایش‌کنندگان اولیه درخواست کردند: کنترل بیشتر و اشتراک‌گذاری آسان‌تر است. DeepMind به‌جای یک خط لوله آهسته تحقیقات به محصول، دسترسی مصرف‌کننده، عامل ایجاد و زیرساخت‌های اجتماعی را در یک مرحله ارسال کرد - نشانه‌ای از اینکه Google چقدر تهاجمی برنامه مدل جهانی خود را به سمت جریان اصلی سوق می‌دهد.

همچنین نشان دهنده تغییر گسترده تری در نحوه راه اندازی محصولات هوش مصنوعی توسط این شرکت است. گوگل به جای انتظار برای یک پرچمدار شیک، در حال تکرار در عموم است و از پایگاه مشترکین خود به عنوان یک مرکز آزمایشی زنده استفاده می‌کند و در عین حال یک سلسله تحقیقاتی صریح - Genie 3 - را برای حجم کاری‌هایی که مدل جدید هنوز به بهترین نحو از عهده آن برنمی‌آید در دسترس نگه می‌دارد.

چرا مدل های جهانی مهم هستند

مدل‌های جهانی - سیستم‌های هوش مصنوعی که محیط‌های تعاملی را شبیه‌سازی می‌کنند نه صرفاً پیش‌بینی متن یا ارائه فریم‌های ایستا - به طور گسترده به عنوان پایه‌ای بالقوه برای بازی، آموزش رباتیک و تحقیقات تجسم‌شده هوش مصنوعی دیده می‌شوند. با Genie 4، گوگل اولین آزمایشگاه بزرگی است که یک مدل جهانی مرزی را در مقیاس بزرگ در اختیار مصرف کنندگان عمومی قرار می دهد، با ویژگی های اجتماعی که جهان سازی را به محتوای قابل اشتراک گذاری تبدیل می کند.

این عرضه همچنین رقابت رقابتی در رسانه های مولد را تشدید می کند. همانطور که مدل‌های جهانی، تولیدکننده‌های ویدیو و موتورهای بازی همگرا می‌شوند، خط بین انجام یک بازی و درخواست کردن یک بازی شروع به محو شدن می‌کند – و Google اکنون محصولی برای مصرف‌کننده دارد تا دقیقاً محل قرارگیری آن خط را آزمایش کند.

از هوش مصنوعی جلوتر بمانید

از مدل های جهانی گرفته تا LLM های مرزی، چشم انداز هوش مصنوعی هر هفته در حال تغییر است. آخرین پیشرفت‌های هوش مصنوعی را در [AI Buzz Wire] (https://aibuzzwire.news) دنبال کنید.

اخبار هوش مصنوعی را بیشتر بخوانید →