Google DeepMind ने मंगलवार को जिनी 4 की घोषणा की, जो वास्तविक समय इंटरैक्टिव सिमुलेशन के लिए इसका नवीनतम विश्व मॉडल है, जिसे कंपनी अभूतपूर्व यथार्थवाद और देशी ऑडियो के रूप में AI-जनित वातावरण में लाती है, जिसे उपयोगकर्ता प्राकृतिक भाषा के साथ संचालित कर सकते हैं।
एक प्रेस ब्रीफिंग के बाद टेकक्रंच की कवरेज के अनुसार, जिनी 4 डीपमाइंड द्वारा आज तक निर्मित सबसे अधिक फोटोरिअलिस्टिक और इंटरैक्टिव दुनिया उत्पन्न करता है। उपयोगकर्ता किसी दृश्य को बदलने के लिए मध्य-सिमुलेशन के संकेत टाइप कर सकते हैं - कैमरा हिलाना, मौसम बदलना, या नए लोगों और वस्तुओं का परिचय देना - जबकि मॉडल परिवेशी ध्वनि, संगीत और इंटरैक्टिव संवाद सहित तुरंत सिंक्रनाइज़ ऑडियो उत्पन्न करता है।
विश्व मॉडल - एआई सिस्टम जो केवल पाठ की भविष्यवाणी करने या स्थिर छवियों को प्रस्तुत करने के बजाय इंटरैक्टिव वातावरण का अनुकरण करते हैं - एआई में सबसे अधिक प्रतिस्पर्धी सीमाओं में से एक बन गए हैं। जैसे-जैसे दौड़ तेज होती है, एआई बज़ वायर पर नवीनतम एआई मॉडल रिलीज का पालन करें।
मिथुन राशि पर निर्मित, मिथुन द्वारा निर्देशित
जिनी 4 Google के जेमिनी मॉडल परिवार के साथ गहराई से एकीकृत है। डीपमाइंड की घोषणा के अनुसार, जेमिनी ओमनी वास्तविक दुनिया की उपस्थिति और व्यवहार में सिमुलेशन की एंकरिंग करता है, जबकि अन्य जेमिनी मॉडल समय के साथ सिमुलेशन को सुसंगत बनाए रखने के लिए आवश्यक जटिल तर्क प्रदान करते हैं।
टेकक्रंच ने आर्किटेक्चर का वर्णन इस प्रकार किया है कि जेमिनी एक निर्देशक के रूप में कार्य करता है जो चरणों की योजना बनाता है और फ़्रेम की जांच करता है जबकि जिनी दृश्य बनाता है। जेमिनी रोबोटिक्स से जुड़े एक शोध प्रयोग में, जेमिनी 4 आर्गन मॉडल ने कार्यों को चरणों में तोड़ दिया, जिसे जिनी 4 ने वास्तविक समय में अनुकरण किया - एक प्रदर्शन डीपमाइंड भौतिक दुनिया में होने से पहले सिमुलेशन में रोबोट परिदृश्यों का पूर्वाभ्यास करने के संभावित तरीके के रूप में स्थित है।
टेकक्रंच के अनुसार, Google के अनुसंधान निदेशक तेजस कुलकर्णी ने एक ब्रीफिंग के दौरान कहा, "भविष्य में हम जो तेजी से देखेंगे वह ये हाइब्रिड विश्व मॉडल हैं, जहां आपके पास जेमिनी लेखन कोड और टेक्स्ट का संयोजन है, और जिन्न वास्तविक समय में इसे ग्रहण करता है और अमूर्तता के विभिन्न स्तरों पर वास्तविकता का अनुकरण करता है।"
दृढ़ता दोगुनी, बेहतर भौतिकी
जिनी 3 पर पीढ़ीगत छलांग - एक साल पहले एक शोध पूर्वावलोकन के रूप में जारी की गई - पर्याप्त है। टेकक्रंच के अनुसार, जिनी 4 एक सुसंगत दृश्य को दो मिनट तक बनाए रख सकता है, अपने पूर्ववर्ती की सीमा को दोगुना कर सकता है, और बेहतर भौतिकी और अधिक मानवीय चरित्र प्रदान करता है। यह फ्री-फॉर्म संपादनों का भी समर्थन करता है जो पहले संभव नहीं थे, जैसे वास्तविक समय में मौसम या कैमरा कोण बदलना या चल रहे सिमुलेशन में नए लोगों या वस्तुओं को जोड़ना।
मॉडल अंतराल के बिना नहीं है. डीपमाइंड की टीम ने ब्रीफिंग के दौरान स्वीकार किया कि सिमुलेशन जितने लंबे समय तक चलता है, विवरण और वस्तुएं बह सकती हैं, और कंपनी ने अभी तक यह हल नहीं किया है कि कैसे सुनिश्चित किया जाए कि उत्पन्न ऑडियो सटीक रहे या इन-वर्ल्ड टेक्स्ट सुपाठ्य रहे।
एक समेकित विश्व मॉडल बाज़ार
जैसे ही विश्व मॉडल उद्योग मजबूत होना शुरू होता है, जिन्न 4 आता है। टेकक्रंच का कहना है कि यह रिलीज़ रनवे द्वारा GWM वर्ल्ड्स 2 लॉन्च करने के कुछ महीने बाद हुई है, जो ऑडियो जेनरेशन के साथ एक खेलने योग्य विश्व मॉडल है। इस बीच, फी-फी ली की वर्ल्ड लैब्स को एएमडी द्वारा अधिग्रहित किया जा रहा है, अमेज़ॅन डेकार्ट को खरीदने के लिए बातचीत कर रहा है, और रिवियन ने सेल्फ-ड्राइविंग परीक्षण के लिए सिमुलेशन क्षमताओं को घर में लाने के लिए थर्ड डायमेंशन का अधिग्रहण किया है।
Google स्पष्ट रूप से उस भीड़-भाड़ वाले क्षेत्र में आगे रहने की कोशिश कर रहा है - और निवेशकों ने इस पर ध्यान दिया है। प्रेस रिपोर्टों में कहा गया है कि जिनी 4 के अनावरण के बाद अल्फाबेट के शेयरों में 2% से अधिक की वृद्धि हुई, जो बुधवार को कंपनी की तिमाही आय रिपोर्ट से ठीक पहले आई। पूर्ववर्ती जिनी 3 ने पिछले साल अपनी शुरुआत के समय वीडियो गेम शेयरों में हलचल मचा दी थी, क्योंकि निवेशक इस निहितार्थ से जूझ रहे थे कि वास्तविक समय में उत्पन्न दुनिया अंततः पारंपरिक गेम विकास के साथ प्रतिस्पर्धा कर सकती है।
गेमिंग से लेकर फिल्म स्टोरीबोर्ड से लेकर रोबोटिक्स तक
डीपमाइंड विश्व सिमुलेशन को एजीआई की दिशा में एक महत्वपूर्ण कदम मानता है, जो रोबोट और एजेंटों के लिए सुरक्षित प्रशिक्षण वातावरण को सक्षम बनाता है। व्यावसायिक उपयोग के मामले गेमिंग, इंटरैक्टिव लर्निंग और विनिर्माण तक फैले हुए हैं। कंपनी की ओर से एक काल्पनिक उदाहरण: एक ऐतिहासिक दृश्य की पेंटिंग में प्रवेश करना और चित्रित घटना के बारे में इसके विषयों के साथ बातचीत करना।
लेकिन शुरुआती उपयोगकर्ता किसी अप्रत्याशित चीज़ की ओर इशारा कर रहे हैं: फिल्म प्री-प्रोडक्शन। टेकक्रंच के अनुसार प्रेस ब्रीफिंग के दौरान गूगल डीपमाइंड इंजीनियर डिएगो रिवास ने कहा, "उन क्षेत्रों में वास्तविक समय का पहलू सबसे मूल्यवान हो जाता है जहां रचनात्मकता के क्षेत्र में प्रवाह की स्थिति बनाए रखना अविश्वसनीय रूप से उपयोगी हो जाता है।" "उदाहरण के लिए, विचार-विमर्श चरण में, स्टोरीबोर्डिंग चरण में - जब भी आपको तीव्र विचार-विमर्श की आवश्यकता होती है।"
विश्वसनीय परीक्षक पहले से ही प्रोटोटाइप फिल्मों के लिए जिनी 4 का उपयोग कर रहे हैं, और रिवास ने सुझाव दिया कि उपयोगकर्ता अंततः उन प्रोटोटाइप को तैयार रचनात्मक संपत्तियों में बदलने के लिए जेमिनी ओमनी पर भरोसा कर सकते हैं, हालांकि उन्होंने जोर देकर कहा कि ये क्षमताएं अभी भी दूर हैं।
उपलब्धता
जिनी 4 अब अनुसंधान पूर्वावलोकन में विश्वसनीय परीक्षकों के एक सीमित समूह के लिए उपलब्ध कराया जा रहा है। आने वाले हफ्तों में, यह प्रोजेक्ट जिनी - टेक्स्ट या इमेज प्रॉम्प्ट से इंटरैक्टिव दुनिया बनाने के लिए Google का टूल - और साथ ही जेमिनी एपीआई और एआई स्टूडियो में शुरुआती एक्सेस पार्टनर्स के माध्यम से Google AI अल्ट्रा सब्सक्राइबर्स तक पहुंचेगा।
चाहे विश्व मॉडल अगला प्लेटफ़ॉर्म बदलाव बनें या एक प्रभावशाली शोध डेमो बने रहें, जिनी 4 एक बात स्पष्ट करता है: एआई-जनरेटेड वीडियो देखने और उसके अंदर खेलने के बीच की रेखा गायब हो रही है।
एआई से आगे रहें
प्रत्येक फ्रंटियर मॉडल रिलीज़ और अनुसंधान सफलता के साथ बने रहें - एआई बज़ वायर पर अधिक एआई समाचार पढ़ें।
नवीनतम एआई विकास यहां प्राप्त करें।
