Google DeepMind Memperkenalkan Model Dunia Genie 4 Dengan Audio Asli dan Pemandu Masa Nyata

Google DeepMind mengumumkan Genie 4 pada hari Selasa, model dunia terbaharunya untuk simulasi interaktif masa nyata, membawa apa yang syarikat itu panggil realisme dan audio asli yang belum pernah berlaku sebelum ini kepada persekitaran yang dijana AI yang boleh dipandu oleh pengguna dengan cepat dengan bahasa semula jadi.

Genie 4 menjana dunia paling fotorealistik dan interaktif DeepMind telah dihasilkan setakat ini, menurut liputan daripada TechCrunch berikutan taklimat akhbar. Pengguna boleh menaip gesaan pertengahan simulasi untuk menukar pemandangan — menggerakkan kamera, menukar cuaca atau memperkenalkan orang dan objek baharu — manakala model menjana audio yang disegerakkan dengan pantas, termasuk bunyi ambien, muzik dan dialog interaktif.

Model dunia — sistem AI yang mensimulasikan persekitaran interaktif dan bukannya hanya meramal teks atau menghasilkan imej statik — telah menjadi salah satu sempadan yang paling dipertikaikan dalam AI. Ikuti keluaran model AI terbaharu di AI Buzz Wire apabila perlumbaan semakin pantas.

Dibina pada Gemini, Diarahkan oleh Gemini

Genie 4 disepadukan secara mendalam dengan keluarga model Gemini Google. Menurut pengumuman DeepMind, Gemini Omni menambatkan simulasi dalam penampilan dan tingkah laku dunia sebenar, manakala model Gemini yang lain menyediakan alasan kompleks yang diperlukan untuk memastikan simulasi koheren dari semasa ke semasa.

TechCrunch menggambarkan seni bina sebagai Gemini bertindak sebagai pengarah yang merancang langkah dan menyemak bingkai manakala Genie mencipta visual. Dalam percubaan penyelidikan yang dikaitkan dengan Robotik Gemini, model Gemini 4 Argon memecahkan tugas ke dalam langkah-langkah yang kemudian disimulasikan oleh Genie 4 dalam masa nyata — demonstrasi kedudukan DeepMind sebagai cara yang mungkin untuk melatih senario robot dalam simulasi sebelum ia berlaku di dunia fizikal.

"Apa yang akan semakin kita lihat pada masa hadapan ialah model dunia hibrid ini, di mana anda mempunyai gabungan kod dan teks penulisan Gemini, dan Genie menelannya dalam masa nyata dan meniru realiti pada tahap abstraksi yang berbeza," Tejas Kulkarni, pengarah penyelidikan di Google, berkata semasa taklimat, menurut TechCrunch.

Gandakan Kegigihan, Fizik yang Lebih Baik

Lonjakan generasi ke atas Genie 3 — dikeluarkan sebagai pratonton penyelidikan lebih kurang setahun yang lalu — adalah besar. Genie 4 boleh mengekalkan adegan yang konsisten sehingga dua minit, menggandakan had pendahulunya, dan menawarkan fizik yang lebih baik dan watak seperti manusia, setiap TechCrunch. Ia juga menyokong pengeditan bentuk bebas yang tidak boleh dilakukan sebelum ini, seperti menukar cuaca atau sudut kamera dalam masa nyata atau menambahkan orang atau objek baharu pada simulasi yang sedang berjalan.

Model ini bukan tanpa jurang. Pasukan DeepMind mengakui semasa taklimat bahawa butiran dan objek boleh hanyut semakin lama simulasi dijalankan, dan syarikat itu belum lagi menyelesaikan cara memastikan audio yang dijana kekal tepat atau teks dalam dunia kekal boleh dibaca.

Pasaran Model Dunia Menyatukan

Genie 4 tiba apabila industri model dunia mula disatukan. TechCrunch menyatakan bahawa pelepasan itu datang beberapa bulan selepas Runway melancarkan GWM Worlds 2, model dunia yang boleh dimainkan dengan penjanaan audio. Sementara itu, World Labs Fei-Fei Li sedang diperoleh oleh AMD, Amazon sedang berbincang untuk membeli Decart, dan Rivian telah memperoleh Dimensi Ketiga untuk membawa keupayaan simulasi secara dalaman untuk ujian memandu sendiri.

Google jelas cuba untuk terus mendahului bidang yang sesak itu - dan pelabur telah menyedarinya. Laporan akhbar menyatakan saham Alphabet meningkat lebih daripada 2% selepas pelancaran Genie 4, yang mendarat sejurus sebelum laporan pendapatan suku tahunan syarikat pada hari Rabu. Pendahulu Genie 3 membingungkan saham permainan video apabila ia memulakan kerjayanya tahun lepas, kerana pelabur bergelut dengan implikasi bahawa dunia yang dihasilkan masa nyata akhirnya boleh bersaing dengan pembangunan permainan tradisional.

Daripada Permainan kepada Papan Cerita Filem kepada Robotik

DeepMind merangka simulasi dunia sebagai langkah penting ke arah AGI, membolehkan persekitaran latihan yang selamat untuk robot dan ejen. Kes penggunaan komersial yang bernada menjangkau permainan, pembelajaran interaktif dan pembuatan. Satu contoh spekulatif daripada syarikat itu: memasuki lukisan pemandangan sejarah dan berbual dengan subjeknya tentang peristiwa yang digambarkan.

Tetapi pengguna awal menunjuk ke suatu tempat yang tidak dijangka: pra-pengeluaran filem. "Aspek masa sebenar menjadi paling berharga dalam bidang yang mengekalkan keadaan aliran dalam ruang kreativiti menjadi sangat berguna," kata Diego Rivas, seorang jurutera Google DeepMind, semasa taklimat akhbar, setiap TechCrunch. "Sebagai contoh, dalam fasa idea, dalam fasa papan cerita - bila-bila masa anda memerlukan idea yang pantas."

Penguji yang dipercayai telah pun menggunakan Genie 4 untuk membuat prototaip filem, dan Rivas mencadangkan bahawa pengguna akhirnya boleh bergantung pada Gemini Omni untuk menukar prototaip tersebut menjadi aset kreatif yang telah siap, walaupun dia menekankan keupayaan tersebut kekal sebagai jalan keluar.

Ketersediaan

Genie 4 sedang dilancarkan sekarang dalam pratonton penyelidikan kepada kumpulan terhad penguji dipercayai. Dalam beberapa minggu akan datang, ia akan menjangkau pelanggan Google AI Ultra melalui Project Genie — alat Google untuk menjana dunia interaktif daripada gesaan teks atau imej — serta rakan kongsi akses awal dalam Gemini API dan AI Studio.

Sama ada model dunia menjadi peralihan platform seterusnya atau kekal sebagai demo penyelidikan yang mengagumkan, Genie 4 menjelaskan satu perkara: garis antara menonton video yang dijana AI dan bermain di dalamnya semakin hilang.

Kekal Mendahului AI

Ikuti perkembangan setiap keluaran model sempadan dan penemuan penyelidikan — baca lebih banyak berita AI di AI Buzz Wire.

Dapatkan perkembangan AI terkini di sini.