Google DeepMind mengumumkan Genie 4 pada hari Selasa, model dunia terbarunya untuk simulasi interaktif real-time, menghadirkan apa yang disebut perusahaan sebagai realisme dan audio asli yang belum pernah terjadi sebelumnya ke lingkungan yang dihasilkan AI sehingga pengguna dapat mengarahkannya dengan cepat dengan bahasa alami.
Genie 4 menghasilkan dunia paling fotorealistik dan interaktif yang pernah diproduksi DeepMind hingga saat ini, menurut liputan dari TechCrunch setelah konferensi pers. Pengguna dapat mengetikkan perintah di tengah simulasi untuk mengubah pemandangan — menggerakkan kamera, mengubah cuaca, atau memperkenalkan orang dan objek baru — sementara model menghasilkan audio tersinkronisasi dengan cepat, termasuk suara sekitar, musik, dan dialog interaktif.
Model dunia – sistem AI yang menyimulasikan lingkungan interaktif, bukan hanya memprediksi teks atau menampilkan gambar statis – telah menjadi salah satu batasan yang paling diperebutkan dalam AI. Ikuti rilis model AI terbaru di AI Buzz Wire seiring dengan semakin cepatnya balapan.
Dibangun di Gemini, Disutradarai oleh Gemini
Genie 4 terintegrasi secara mendalam dengan keluarga model Gemini Google. Menurut pengumuman DeepMind, Gemini Omni mengaitkan simulasi dalam penampilan dan perilaku dunia nyata, sementara model Gemini lainnya memberikan alasan kompleks yang diperlukan untuk menjaga simulasi tetap koheren dari waktu ke waktu.
TechCrunch mendeskripsikan arsitekturnya sebagai Gemini yang bertindak sebagai sutradara yang merencanakan langkah-langkah dan memeriksa bingkai sementara Genie membuat visual. Dalam eksperimen penelitian yang terkait dengan Robotika Gemini, model Gemini 4 Argon membagi tugas menjadi langkah-langkah yang kemudian disimulasikan oleh Genie 4 secara real-time — sebuah demonstrasi yang diposisikan DeepMind sebagai cara yang memungkinkan untuk melatih skenario robot dalam simulasi sebelum terjadi di dunia fisik.
“Apa yang akan semakin banyak kita lihat di masa depan adalah model dunia hibrida ini, di mana Anda memiliki kombinasi Gemini yang menulis kode dan teks, dan Genie mencernanya secara real time dan mensimulasikan realitas pada tingkat abstraksi yang berbeda,” Tejas Kulkarni, direktur riset di Google, mengatakan dalam sebuah pengarahan, menurut TechCrunch.
Gandakan Kegigihan, Fisika Lebih Baik
Lompatan generasi atas Genie 3 — dirilis sebagai pratinjau penelitian lebih dari setahun yang lalu — sangatlah besar. Genie 4 dapat mempertahankan adegan yang konsisten hingga dua menit, menggandakan batas pendahulunya, dan menawarkan fisika yang lebih baik dan karakter yang lebih mirip manusia, menurut TechCrunch. Ini juga mendukung pengeditan bentuk bebas yang sebelumnya tidak mungkin dilakukan, seperti mengubah cuaca atau sudut kamera secara real-time atau menambahkan orang atau objek baru ke simulasi yang sedang berjalan.
Model ini bukannya tanpa celah. Tim DeepMind mengakui selama pengarahan bahwa detail dan objek dapat melayang semakin lama simulasi berjalan, dan bahwa perusahaan belum menemukan cara untuk memastikan audio yang dihasilkan tetap akurat atau teks di dunia tetap dapat dibaca.
Pasar Model Dunia yang Mengkonsolidasi
Genie 4 hadir saat industri model dunia mulai berkonsolidasi. TechCrunch mencatat bahwa rilis ini dilakukan beberapa bulan setelah Runway meluncurkan GWM Worlds 2, model dunia yang dapat dimainkan dengan generasi audio. Sementara itu, World Labs milik Fei-Fei Li diakuisisi oleh AMD, Amazon sedang dalam pembicaraan untuk membeli Decart, dan Rivian telah mengakuisisi Third Dimension untuk menghadirkan kemampuan simulasi internal untuk pengujian self-driving.
Google jelas-jelas berusaha menjadi yang terdepan dalam bidang yang ramai ini — dan para investor telah menyadarinya. Laporan pers mencatat saham Alphabet naik lebih dari 2% setelah peluncuran Genie 4, yang dirilis tepat sebelum laporan pendapatan kuartalan perusahaan pada hari Rabu. Pendahulunya, Genie 3, mengguncang pasar video game ketika diluncurkan pertama kali tahun lalu, karena para investor bergulat dengan implikasi bahwa dunia yang dihasilkan secara real-time pada akhirnya dapat bersaing dengan pengembangan game tradisional.
Dari Game, Papan Cerita Film, hingga Robotika
DeepMind membingkai simulasi dunia sebagai langkah penting menuju AGI, memungkinkan lingkungan pelatihan yang aman bagi robot dan agen. Kasus penggunaan komersial mencakup permainan, pembelajaran interaktif, dan manufaktur. Salah satu contoh spekulatif dari perusahaan: memasuki lukisan suatu adegan sejarah dan mengobrol dengan subjeknya tentang peristiwa yang digambarkan.
Namun pengguna awal menunjuk pada hal yang tidak terduga: pra-produksi film. “Aspek waktu nyata menjadi yang paling berharga di area di mana menjaga alur kreativitas menjadi sangat berguna,” kata Diego Rivas, insinyur Google DeepMind, selama konferensi pers, menurut TechCrunch. "Misalnya, dalam fase pembuatan ide, dalam fase pembuatan cerita — kapan pun Anda membutuhkan ide yang cepat."
Penguji tepercaya telah menggunakan Genie 4 untuk membuat prototipe film, dan Rivas menyarankan agar pengguna pada akhirnya dapat mengandalkan Gemini Omni untuk mengubah prototipe tersebut menjadi aset kreatif yang sudah jadi, meskipun ia menekankan kemampuan tersebut masih jauh dari yang diharapkan.
Ketersediaan
Genie 4 kini diluncurkan dalam pratinjau penelitian untuk sekelompok penguji tepercaya yang terbatas. Dalam beberapa minggu mendatang, produk ini akan menjangkau pelanggan Google AI Ultra melalui Project Genie – alat Google untuk menghasilkan dunia interaktif dari perintah teks atau gambar – serta mitra akses awal di Gemini API dan AI Studio.
Apakah model dunia akan menjadi peralihan platform berikutnya atau tetap menjadi demo penelitian yang mengesankan, Genie 4 memperjelas satu hal: batas antara menonton video yang dihasilkan AI dan memutar di dalamnya semakin menghilang.
Tetap Terdepan dalam AI
Ikuti perkembangan setiap rilis model terdepan dan terobosan penelitian — baca berita AI selengkapnya di AI Buzz Wire.
Dapatkan perkembangan AI terkini di sini.
