Google DeepMind ha annunciato martedì Genie 4, il suo nuovo modello mondiale per la simulazione interattiva in tempo reale, portando ciò che l'azienda chiama realismo senza precedenti e audio nativo in ambienti generati dall'intelligenza artificiale che gli utenti possono gestire al volo con il linguaggio naturale.

Genie 4 genera i mondi più fotorealistici e interattivi che DeepMind abbia prodotto fino ad oggi, secondo la copertura di TechCrunch a seguito di una conferenza stampa. Gli utenti possono digitare suggerimenti durante la simulazione per cambiare una scena (spostando la telecamera, cambiando il tempo o introducendo nuove persone e oggetti) mentre il modello genera al volo audio sincronizzato, inclusi suoni ambientali, musica e dialoghi interattivi.

I modelli mondiali – sistemi di intelligenza artificiale che simulano ambienti interattivi anziché limitarsi a prevedere testo o riprodurre immagini statiche – sono diventati una delle frontiere più controverse dell’intelligenza artificiale. Segui gli ultimi modelli di intelligenza artificiale su AI Buzz Wire mentre la corsa accelera.

Costruito su Gemini, diretto da Gemini

Genie 4 è profondamente integrato con la famiglia di modelli Gemini di Google. Secondo l'annuncio di DeepMind, Gemini Omni ancora le simulazioni all'aspetto e al comportamento del mondo reale, mentre altri modelli Gemini forniscono il ragionamento complesso necessario per mantenere una simulazione coerente nel tempo.

TechCrunch ha descritto l'architettura come Gemini che agisce come un regista che pianifica i passaggi e controlla i fotogrammi mentre Genie crea le immagini. In un esperimento di ricerca legato a Gemini Robotics, un modello Gemini 4 Argon ha suddiviso i compiti in passaggi che Genie 4 ha poi simulato in tempo reale: una dimostrazione che DeepMind posiziona come un possibile modo per provare gli scenari dei robot nella simulazione prima che accadano nel mondo fisico.

"Ciò che vedremo sempre più in futuro sono questi modelli di mondo ibridi, in cui hai una combinazione di Gemini che scrive codice e testo, e Genie che lo ingerisce in tempo reale e simula la realtà a diversi livelli di astrazione", ha detto Tejas Kulkarni, direttore della ricerca di Google, durante un briefing, secondo TechCrunch.

Raddoppia la persistenza, fisica migliore

Il salto generazionale rispetto a Genie 3, pubblicato come anteprima di ricerca poco più di un anno fa, è sostanziale. Genie 4 può mantenere una scena coerente per un massimo di due minuti, raddoppiando il limite del suo predecessore e offre una fisica migliore e personaggi più simili a quelli umani, secondo TechCrunch. Supporta anche modifiche in formato libero che prima non erano possibili, come cambiare il tempo o gli angoli della telecamera in tempo reale o aggiungere nuove persone o oggetti a una simulazione in corso.

Il modello non è privo di lacune. Il team di DeepMind ha riconosciuto durante il briefing che i dettagli e gli oggetti possono spostarsi man mano che la simulazione viene eseguita e che la società non ha ancora risolto come garantire che l'audio generato rimanga accurato o che il testo nel mondo rimanga leggibile.

Un mercato modello mondiale in consolidamento

Genie 4 arriva mentre l'industria mondiale dei modelli inizia a consolidarsi. TechCrunch rileva che il rilascio arriva un paio di mesi dopo che Runway ha lanciato GWM Worlds 2, un modello di mondo giocabile con generazione di audio. Nel frattempo, World Labs di Fei-Fei Li viene acquisito da AMD, Amazon è in trattative per acquistare Decart e Rivian ha acquisito Third Dimension per portare internamente le capacità di simulazione per i test di guida autonoma.

Google sta chiaramente cercando di stare al passo con questo settore affollato e gli investitori se ne sono accorti. I resoconti della stampa hanno notato che le azioni di Alphabet sono aumentate di oltre il 2% dopo la presentazione di Genie 4, avvenuta poco prima del rapporto sugli utili trimestrali della società di mercoledì. Il predecessore Genie 3 ha scosso le azioni dei videogiochi quando ha debuttato lo scorso anno, mentre gli investitori erano alle prese con l'implicazione che i mondi generati in tempo reale avrebbero potuto eventualmente competere con lo sviluppo di giochi tradizionali.

Dai giochi agli storyboard cinematografici alla robotica

DeepMind definisce la simulazione mondiale come un passo cruciale verso l'AGI, consentendo ambienti di addestramento sicuri per robot e agenti. I casi d’uso commerciali proposti spaziano dai giochi, all’apprendimento interattivo e alla produzione. Un esempio speculativo da parte dell'azienda: entrare in un dipinto di una scena storica e chiacchierare con i soggetti sull'evento rappresentato.

Ma i primi utenti puntano verso qualcosa di inaspettato: la pre-produzione cinematografica. "L'aspetto del tempo reale diventa più prezioso nelle aree in cui mantenere uno stato di flusso nello spazio creativo diventa incredibilmente utile", ha affermato Diego Rivas, un ingegnere di Google DeepMind, durante la conferenza stampa, per TechCrunch. "Ad esempio, nella fase di ideazione, nella fase di storyboard, ogni volta che hai bisogno di un'ideazione rapida."

Tester attendibili hanno già utilizzato Genie 4 per prototipare film e Rivas ha suggerito che gli utenti potrebbero eventualmente fare affidamento su Gemini Omni per trasformare quei prototipi in risorse creative finite, anche se ha sottolineato che tali capacità rimangono lontane.

Disponibilità

Genie 4 è ora disponibile in anteprima di ricerca per un gruppo limitato di tester affidabili. Nelle prossime settimane, raggiungerà gli abbonati di Google AI Ultra tramite Project Genie, lo strumento di Google per generare mondi interattivi da messaggi di testo o immagini, nonché i partner con accesso anticipato all'API Gemini e AI Studio.

Sia che i modelli del mondo diventino il prossimo cambiamento della piattaforma o rimangano un'impressionante demo di ricerca, Genie 4 chiarisce una cosa: il confine tra guardare video generati dall'intelligenza artificiale e giocare al suo interno sta scomparendo.

Stai al passo con l'intelligenza artificiale

Tieniti aggiornato su ogni rilascio di modelli di frontiera e scoperte di ricerca: leggi altre notizie sull'intelligenza artificiale su AI Buzz Wire.

Scopri qui gli ultimi sviluppi dell'intelligenza artificiale.