Во вторник Google DeepMind анонсировала Genie 4, свою новейшую мировую модель интерактивного моделирования в реальном времени, которая привносит то, что компания называет беспрецедентным реализмом и собственным звуком в среды, созданные искусственным интеллектом, которыми пользователи могут управлять на лету с помощью естественного языка.

Согласно сообщению TechCrunch после брифинга для прессы, Genie 4 создает самые фотореалистичные и интерактивные миры, которые DeepMind создала на сегодняшний день. Пользователи могут вводить подсказки в процессе моделирования для изменения сцены — перемещения камеры, изменения погоды или представления новых людей и объектов — в то время как модель на лету генерирует синхронизированный звук, включая окружающий звук, музыку и интерактивные диалоги.

Модели мира — системы искусственного интеллекта, которые моделируют интерактивную среду, а не просто прогнозируют текст или визуализируют статические изображения — стали одним из наиболее спорных направлений в области искусственного интеллекта. Следите за последними выпусками моделей ИИ на AI Buzz Wire, пока гонка ускоряется.

По мотивам «Близнецов», режиссер «Близнецы»

Genie 4 глубоко интегрирован с семейством моделей Google Gemini. Согласно заявлению DeepMind, Gemini Omni привязывает симуляции к внешнему виду и поведению реального мира, в то время как другие модели Gemini предоставляют комплексные рассуждения, необходимые для сохранения согласованности симуляции с течением времени.

TechCrunch описал архитектуру как Gemini, выступающую в роли директора, который планирует шаги и проверяет кадры, пока Genie создает визуальные эффекты. В исследовательском эксперименте, связанном с Gemini Robotics, модель Gemini 4 Argon разбила задачи на этапы, которые Genie 4 затем смоделировал в реальном времени — демонстрация, которую DeepMind позиционирует как возможный способ отрепетировать сценарии роботов в симуляции до того, как они произойдут в физическом мире.

«В будущем мы все чаще будем видеть эти гибридные модели мира, в которых у вас есть комбинация Gemini, пишущего код и текст, и Genie, поглощающего это в реальном времени и моделирующего реальность на разных уровнях абстракции», — сказал Теджас Кулкарни, директор по исследованиям Google, во время брифинга, согласно TechCrunch.

Двойная настойчивость, лучшая физика

Скачок поколений по сравнению с Genie 3, выпущенным в качестве исследовательской превью чуть больше года назад, является существенным. По данным TechCrunch, Genie 4 может поддерживать последовательную сцену до двух минут, что вдвое превышает лимит предшественника, а также предлагает лучшую физику и более человечных персонажей. Он также поддерживает редактирование в свободной форме, которое раньше было невозможно, например, изменение погоды или ракурсов камеры в реальном времени или добавление новых людей или объектов в работающую симуляцию.

Модель не лишена недостатков. В ходе брифинга команда DeepMind признала, что детали и объекты могут смещаться, чем дольше выполняется симуляция, и что компания еще не решила, как обеспечить точность сгенерированного звука или читаемость текста в реальном мире.

Консолидация мирового рынка моделей

Genie 4 появляется, когда мировая модельная индустрия начинает консолидироваться. TechCrunch отмечает, что релиз состоялся через пару месяцев после того, как Runway запустила GWM Worlds 2, игровую модель мира с генерацией звука. Тем временем компания World Labs Фей-Фей Ли приобретается AMD, Amazon ведет переговоры о покупке Decart, а Rivian приобрела Third Dimension, чтобы внедрить возможности моделирования для самостоятельного тестирования автомобилей.

Google явно пытается оставаться впереди этой насыщенной отрасли — и инвесторы это заметили. В сообщениях прессы отмечается, что акции Alphabet выросли более чем на 2% после презентации Genie 4, которая состоялась накануне квартального отчета компании в среду. Предшественник Genie 3 потряс акции видеоигр, когда он дебютировал в прошлом году, поскольку инвесторы столкнулись с мыслью о том, что миры, генерируемые в реальном времени, могут в конечном итоге конкурировать с традиционными разработками игр.

От игр до раскадровки фильмов и робототехники

DeepMind рассматривает моделирование мира как решающий шаг на пути к AGI, обеспечивающему безопасную среду обучения для роботов и агентов. Предложенные варианты коммерческого использования охватывают игры, интерактивное обучение и производство. Один умозрительный пример от компании: вход в картину с изображением исторической сцены и беседа с ее героями об изображенном событии.

Но первые пользователи указывают на нечто неожиданное: подготовку фильма. «Аспект реального времени становится наиболее ценным в тех областях, где сохранение состояния потока в творческом пространстве становится невероятно полезным», — сказал Диего Ривас, инженер Google DeepMind, во время пресс-брифинга, согласно TechCrunch. «Например, на этапе формирования идей, на этапе раскадровки — в любой момент, когда вам нужно быстрое генерирование идей».

Доверенные тестировщики уже использовали Genie 4 для прототипирования фильмов, и Ривас предположил, что пользователи могут в конечном итоге положиться на Gemini Omni, чтобы превратить эти прототипы в законченные творческие активы, хотя он подчеркнул, что до таких возможностей еще далеко.

Доступность

Genie 4 сейчас распространяется в предварительной исследовательской версии для ограниченной группы доверенных тестировщиков. В ближайшие недели он станет доступен подписчикам Google AI Ultra через Project Genie — инструмент Google для создания интерактивных миров из текстовых или графических подсказок, а также партнерам раннего доступа в Gemini API и AI Studio.

Независимо от того, станут ли модели мира следующим изменением платформы или останутся впечатляющей исследовательской демонстрацией, Genie 4 проясняет одну вещь: грань между просмотром видео, созданного искусственным интеллектом, и игрой в нем исчезает.

Будьте впереди ИИ

Будьте в курсе всех новых моделей и научных достижений — [читайте больше новостей об искусственном интеллекте на AI Buzz Wire] (https://aibuzzwire.news).

Последние разработки в области искусственного интеллекта можно найти здесь.