Google DeepMind は、対象となる Google AI Ultra 加入者に Genie 4 を公開し、Project Genie を研究プロトタイプから、AI が生成するインタラクティブな世界を生成および探索するための消費者向け製品に変えました。このアップデートにより、会話型ビルド エージェントである Genie 4 と、ユーザーが自分の作品を共有したりリミックスしたりできるコミュニティ ギャラリーへの初めての一般アクセスが可能になると Google は発表しました。
Project Genie は今年初めに実験研究プロトタイプとして導入され、初期のテスターらは、生成されたワールド内で何が起こるかをより詳細に制御し、それを構築して共有する簡単な方法が欲しいと Google に伝えました。この新しいリリースは、今週ディスカッション フォーラムでトップを占めて以来、開発者コミュニティで広く取り上げられており、両方の要望に対応しています。 Google DeepMind やその他すべての主要なラボによる最新の AI 開発を継続的に報道するため、AI Buzz Wire は各展開を随時フォローしています。
セッション中に任意のワールドを編集
Genie 4 は、Google DeepMind のこれまでで最も現実的でインタラクティブな世界モデルであり、その特徴的な機能はライブ編集です。ユーザーはセッション中に、ナビゲートしている世界をリアルタイムで変更するよう促すことができます。 Googleは発表の中で、入力されたプロンプトで「天気を変えたり、キャラクターをドロップしたり、アクションをリダイレクトしたりする」と述べた。
Genie 4 では、これらのビジュアルと、周囲のサウンドスケープからキャラクターの会話に至るまで、シーンの展開に合わせて適応するリアルタイムのネイティブ オーディオが初めて組み合わせられます。 Google は、自然言語プロンプトをインタラクティブな宇宙遊泳に変え、コマンドに従ってエイリアンの宇宙船を呼び出し、丘の中腹のカフェを砂漠のガラス張りのパビリオンにリミックスするデモを行いました。
会話型エージェントがあなたの世界を構築します
世界の作成に単一の完璧なプロンプトは必要なくなりました。新しい Project Genie エージェントは、通常の会話を通じて Google の一連のマルチモーダル モデルを調整します。ユーザーがビジョンを説明し、エージェントが世界の特徴的な外観を確立する最初のビジュアルを作成し、その雰囲気に合わせたカスタム背景スコアと組み合わせます。
Gemini モデルは、セッションの実行中にセッションに参加し、画面上で何が起こっているかを観察したり、次にどこに行くべきかについてのコンテキスト認識型の提案チップを表示したり、旅の展開に応じて自動的にワールド内イベントをトリガーしたりすることもできます。その結果、インタラクティブな世界を「会話するのと同じくらい簡単に」構築できるようになった、とGoogleは述べた。
リミックスのために作られたギャラリー
新しいコミュニティ ギャラリーでは、Ultra 加入者がカスタム ワールドを公開して、他のユーザーが探索したりリミックスしたりできるようにします。 Google が独自に厳選した例はその範囲を示しています。「Living Memory」は個人の写真を探索可能な空間に変換し、「Dino Field Guide」は 360 度のパノラマに基づいて先史時代の生息地を歩き回り、「Rock Paper Scissors」はジェミニがリアルタイムの審判として机の上でテーマに沿ったオブジェクトを互いに競わせます。
Genie 3 はモデル ピッカーに残ります
Genie 4 のデビューにもかかわらず、Genie 3 は、長時間の実行やパノラマシード空間など、より優れたツールである場合には、引き続き Project Genie のモデル ピッカーで利用できます。 GoogleはGenie 3のアップデートを強調し、さまざまな世界を森林、水中遺跡、氷の海を通る1回の連続飛行に結び付けるリアルタイムの即時イベントや、カメラが動いてもペトラの峡谷とファサードの一貫性を保つ360度のパノラマグラウンディングなどを取り上げた。
あるデモンストレーションでは、Genie 3 は長時間の走行、パノラマでの接地、即時イベントを組み合わせて飛行中に世界を一変させ、さらには命令に応じて乗れるドラゴンを召喚しました。
アクセスと可用性
Genie 4 は現在、資格のある Google AI Ultra 登録者に展開されており、コミュニティ ギャラリーで世界を構築、共有、リミックスすることができます。 Google AI Pro メンバーは待機リストに参加できます。すべては Project Genie Web サイトを通じてブラウザーで直接実行され、ダウンロードは必要ありません。
プロトタイプから製品まで 3 週間で完了
この展開のスピードは注目に値します。 Project Genie はほんの数週間前まで限定的な研究実験として存在しており、Google によれば、今回のアップデートは初期テスターの要望、つまりより多くの制御と簡単な共有という要望に直接応えたものだという。 DeepMind は、研究から製品までの遅いパイプラインではなく、消費者へのアクセス、作成エージェント、社会インフラを 1 ステップで出荷しました。これは、Google が自社の世界モデル プログラムを主流に向けていかに積極的に推進しているかを示しています。
これは、同社が AI 製品を発売する方法における広範な変化も反映しています。 Google は、洗練されたフラッグシップを待つのではなく、公開テストを繰り返しており、加入者ベースをライブ テスト場として使用しながら、新しいモデルがまだ最適に処理できないワークロードに利用できる明確な研究系統 (Genie 3) を維持しています。
世界モデルが重要な理由
ワールド モデル (単にテキストを予測したり静的フレームをレンダリングするのではなく、インタラクティブな環境をシミュレートする AI システム) は、ゲーム、ロボティクス トレーニング、および身体化された AI 研究の潜在的な基盤として広く認識されています。 Google は、Genie 4 により、世界の構築を共有可能なコンテンツに変えるソーシャル機能を備えた、フロンティアの世界モデルを一般消費者の手に大規模に提供した最初の主要なラボとなります。
この展開により、ジェネレーティブ メディアにおける競争も激化します。世界モデル、ビデオ ジェネレーター、ゲーム エンジンが融合するにつれて、ゲームをプレイすることとゲームを促すことの間の境界線があいまいになり始めています。そして Google は現在、その境界線がどこにあるかを正確にテストするための消費者向け製品を用意しています。
AI の一歩先を行く
世界モデルから最先端の LLM まで、AI の状況は毎週変化しています。 AI Buzz Wire で最新の AI 開発を追跡してください。
AIニュースをもっと読む→