Google DeepMind ने Genie 4 पात्र Google AI अल्ट्रा सदस्यांसाठी आणले आहे, ज्याने प्रोजेक्ट Genie चे संशोधन प्रोटोटाइपमधून परस्परसंवादी AI-व्युत्पन्न जग निर्माण आणि एक्सप्लोर करण्यासाठी ग्राहक उत्पादनात रूपांतर केले आहे. Google ने घोषणा केली की, अपडेट Genie 4, एक संभाषणात्मक बिल्ड एजंट आणि समुदाय गॅलरीमध्ये प्रथमच सार्वजनिक प्रवेश आणते जेथे वापरकर्ते त्यांची निर्मिती सामायिक आणि रीमिक्स करू शकतात.

प्रोजेक्ट जिनी या वर्षाच्या सुरुवातीला प्रायोगिक संशोधन प्रोटोटाइप म्हणून सादर करण्यात आला आणि सुरुवातीच्या परीक्षकांनी Google ला सांगितले की त्यांना व्युत्पन्न केलेल्या जगामध्ये काय घडते यावर सखोल नियंत्रण हवे आहे आणि ते तयार करण्याचे आणि सामायिक करण्याचे सोपे मार्ग हवे आहेत. नवीन प्रकाशन, विकसक समुदायाद्वारे व्यापकपणे कव्हर केले गेले आहे कारण ते या आठवड्यात चर्चा मंचांमध्ये शीर्षस्थानी आहे, दोन्ही विनंत्या संबोधित करते. Google DeepMind आणि इतर प्रत्येक मोठ्या प्रयोगशाळेतील नवीनतम AI घडामोडींच्या चालू कव्हरेजसाठी, AI Buzz Wire प्रत्येक रोलआउट जसे घडते तसे फॉलो करते.

कोणतेही जागतिक मध्य-सत्र संपादित करा

Genie 4 हे Google DeepMind चे आतापर्यंतचे सर्वात वास्तववादी आणि परस्परसंवादी जागतिक मॉडेल आहे, आणि त्याचे परिभाषित वैशिष्ट्य म्हणजे थेट संपादन: वापरकर्ते रीअल टाइममध्ये नेव्हिगेट करत असलेले जग बदलण्यासाठी मध्य-सत्राला सूचित करू शकतात. टाईप केलेल्या प्रॉम्प्टसह "हवामान बदला, एक वर्ण ड्रॉप करा किंवा क्रिया पुनर्निर्देशित करा", Google ने आपल्या घोषणेमध्ये म्हटले आहे.

प्रथमच, Genie 4 रीअल-टाइम नेटिव्ह ऑडिओसह ते व्हिज्युअल जोडते जे दृश्य उलगडत असताना बदलते, सभोवतालच्या साउंडस्केप्सपासून कॅरेक्टर संवादापर्यंत. Google ने नैसर्गिक भाषेच्या प्रॉम्प्टला परस्परसंवादी स्पेसवॉकमध्ये बदलण्याचे प्रात्यक्षिक दाखवले, नंतर कमांडवर एलियन स्पेसशिपला बोलावले आणि वाळवंटातील एका काचेच्या पॅव्हेलियनमध्ये डोंगरावरील कॅफेचे रीमिक्स केले.

एक संवादात्मक एजंट तुमचे जग तयार करतो

जग निर्माण करण्यासाठी यापुढे एका परिपूर्ण प्रॉम्प्टची आवश्यकता नाही. नवीन प्रोजेक्ट जिनी एजंट Google च्या मल्टिमोडल मॉडेल्सचा संच सामान्य संभाषणाद्वारे मांडतो: वापरकर्ते त्यांच्या दृष्टीचे वर्णन करतात आणि एजंट मूडनुसार सानुकूल पार्श्वभूमी स्कोअरसह जोडलेले, जगाचे स्वाक्षरी स्वरूप स्थापित करणारे प्रारंभिक व्हिज्युअल तयार करतात.

जेमिनी मॉडेल देखील सत्र चालू असताना त्यात सामील होऊ शकतात, स्क्रीनवर काय घडते याचे निरीक्षण करणे, पुढे कुठे जायचे यासाठी संदर्भ-जागरूक सूचना चीप दाखवणे किंवा प्रवास उलगडताना आपोआप इन-वर्ल्ड इव्हेंट ट्रिगर करणे. परिणाम, Google ने सांगितले की, परस्परसंवादी विश्वाची रचना करणे "संभाषण करण्याइतके सहज" बनते.

रीमिक्सिंगसाठी तयार केलेली गॅलरी

नवीन समुदाय गॅलरी अल्ट्रा सदस्यांना इतरांना एक्सप्लोर करण्यासाठी आणि रीमिक्स करण्यासाठी सानुकूल जग प्रकाशित करू देते. Google ची स्वतःची क्युरेट केलेली उदाहरणे श्रेणी दर्शवितात: "लिव्हिंग मेमरी" वैयक्तिक फोटोंचे एक्सप्लोर करण्यायोग्य जागेत रूपांतर करते, "डिनो फील्ड गाइड" 360-डिग्री पॅनोरामा असलेल्या प्रागैतिहासिक निवासस्थानांमधून फिरते आणि "रॉक पेपर सिझर्स" रिअलटाइम सर्व्हरसह डेस्कवर थीम असलेल्या वस्तू एकमेकांच्या विरूद्ध खड्डे करतात.

जिनी 3 मॉडेल पिकरमध्ये राहते

Genie 4 चे पदार्पण असूनही, Genie 3 प्रोजेक्ट जिनीच्या मॉडेल पिकरमध्ये उपलब्ध राहते जेथे ते अधिक चांगले साधन राहते — लांब धावा आणि पॅनोरामा-सीडेड जागा. Google ने Genie 3 अद्यतने हायलाइट केली ज्यात रीअल-टाइम प्रॉम्प्टेबल इव्हेंट्स समाविष्ट आहेत जे विविध जगांना जंगले, पाण्याखालील अवशेष आणि बर्फाळ समुद्र ओलांडून एकाच फ्लाइटमध्ये जोडतात आणि 360-डिग्री पॅनोरामा ग्राउंडिंग ज्याने कॅमेरा हलवताना पेट्राचे कॅन्यन आणि दर्शनी भाग सुसंगत ठेवला.

एका प्रात्यक्षिकात, Genie 3 ने लांब धावणे, पॅनोरामा ग्राउंडिंग आणि प्रॉम्प्टेबल इव्हेंट्स एकत्रित केले ज्यामुळे जगाच्या मध्य-उड्डाणात परिवर्तन होते — अगदी कमांडवर चालवता येण्याजोग्या ड्रॅगनला बोलावणे.

प्रवेश आणि उपलब्धता

Genie 4 आता पात्र Google AI अल्ट्रा सदस्यांसाठी आणत आहे, जे आज समुदाय गॅलरीमध्ये जग तयार, शेअर आणि रीमिक्स करू शकतात. Google AI Pro सदस्य प्रतीक्षा यादीत सामील होऊ शकतात. सर्व काही थेट ब्राउझरमध्ये प्रोजेक्ट जिनी वेबसाइटद्वारे चालते, कोणत्याही डाउनलोडची आवश्यकता नाही.

प्रोटोटाइपपासून उत्पादनापर्यंत तीन आठवड्यांत

या रोलआउटचा वेग लक्षणीय आहे. प्रोजेक्ट जिनी हा एक मर्यादित संशोधन प्रयोग म्हणून काही आठवड्यांपूर्वी अस्तित्वात होता आणि Google म्हणतो की अपडेट हे सुरुवातीच्या परीक्षकांनी जे मागितले होते त्याचा थेट प्रतिसाद आहे: अधिक नियंत्रण आणि सोपे शेअरिंग. संथ संशोधन-ते-उत्पादन पाइपलाइनऐवजी, DeepMind ने ग्राहक प्रवेश, एक निर्मिती एजंट आणि सामाजिक पायाभूत सुविधा एकाच टप्प्यात पाठवल्या - Google त्याच्या जागतिक-मॉडेल प्रोग्रामला मुख्य प्रवाहाकडे किती आक्रमकपणे पुढे नेत आहे याचे लक्षण.

कंपनी एआय उत्पादने कशी लाँच करते यामधील व्यापक बदल देखील हे प्रतिबिंबित करते. पॉलिश फ्लॅगशिपची वाट पाहण्याऐवजी, नवीन मॉडेल अद्याप चांगल्या प्रकारे हाताळू शकत नसलेल्या वर्कलोडसाठी उपलब्ध असलेले सुस्पष्ट संशोधन वंश — Genie 3 — ठेवताना, Google त्याचा ग्राहक आधार थेट चाचणी ग्राउंड म्हणून वापरून, सार्वजनिकपणे पुनरावृत्ती करत आहे.

जागतिक मॉडेल्स का महत्त्वाच्या आहेत

जागतिक मॉडेल्स - एआय सिस्टम ज्या केवळ मजकूराचा अंदाज लावण्याऐवजी किंवा स्थिर फ्रेम्स प्रस्तुत करण्याऐवजी परस्परसंवादी वातावरणाचे अनुकरण करतात - मोठ्या प्रमाणावर गेमिंग, रोबोटिक्स प्रशिक्षण आणि मूर्त AI संशोधनासाठी संभाव्य पाया म्हणून पाहिले जातात. Genie 4 सह, Google ही पहिली मोठी लॅब आहे ज्याने सामान्य ग्राहकांच्या हातात सीमावर्ती जागतिक मॉडेल दिले आहे, सामाजिक वैशिष्ट्यांसह पूर्ण आहे जे जागतिक-निर्माण सामायिक करण्यायोग्य सामग्रीमध्ये बदलते.

रोलआउट जनरेटिव्ह मीडियामधील स्पर्धात्मक शर्यत देखील तीव्र करते. जागतिक मॉडेल्स, व्हिडिओ जनरेटर आणि गेम इंजिन एकत्र येत असताना, गेम खेळणे आणि प्रॉम्प्ट करणे यामधील रेषा अस्पष्ट होऊ लागली आहे — आणि ती लाइन नेमकी कुठे बसते याची चाचणी करण्यासाठी Google कडे आता ग्राहकाभिमुख उत्पादन आहे.

AI च्या पुढे रहा

जागतिक मॉडेल्सपासून फ्रंटियर एलएलएमपर्यंत, एआय लँडस्केप साप्ताहिक बदलत आहे. AI Buzz Wire वर नवीनतम AI घडामोडींचा मागोवा घ्या.

अधिक एआय बातम्या वाचा →