Google DeepMind ilitangaza Genie 4 Jumanne, kielelezo chake kipya zaidi cha ulimwengu kwa uigaji mwingiliano wa wakati halisi, na kuleta kile ambacho kampuni inakiita uhalisia usio na kifani na sauti asilia kwa mazingira yanayotokana na AI ambayo watumiaji wanaweza kuendesha kwa kuruka kwa lugha asilia.
Jini 4 hutengeneza ulimwengu unaovutia zaidi na mwingiliano ambao DeepMind imetoa hadi sasa, kulingana na habari kutoka TechCrunch kufuatia mkutano na waandishi wa habari. Watumiaji wanaweza kuandika vidokezo vya uigaji wa katikati ili kubadilisha tukio - kusonga kamera, kubadilisha hali ya hewa, au kutambulisha watu na vitu vipya - huku muundo huo ukitengeneza sauti iliyosawazishwa kwenye nzi, ikijumuisha sauti iliyoko, muziki na mazungumzo shirikishi.
Miundo ya ulimwengu - Mifumo ya AI ambayo huiga mazingira ya mwingiliano badala ya kutabiri maandishi au kutoa picha tuli - imekuwa mojawapo ya mipaka inayoshindaniwa zaidi katika AI. Fuata matoleo mapya ya muundo wa AI kwenye AI Buzz Wire mashindano yanapoongezeka.
Imejengwa kwa Gemini, Imeongozwa na Gemini
Jini 4 limeunganishwa kwa kina na familia ya mfano ya Gemini ya Google. Kulingana na tangazo la DeepMind, Gemini Omni hushikilia miigo katika mwonekano na tabia ya ulimwengu halisi, huku miundo mingine ya Gemini ikitoa hoja changamano inayohitajika ili kuweka simulizi thabiti kwa wakati.
TechCrunch ilielezea usanifu huo kama Gemini akiigiza kama mkurugenzi anayepanga hatua na kuangalia fremu huku Genie akiunda taswira. Katika jaribio la utafiti lililohusishwa na Gemini Robotics, muundo wa Gemini 4 Argon uligawa kazi katika hatua ambazo Jini 4 kisha aliiga kwa wakati halisi - onyesho la nafasi za DeepMind kama njia inayowezekana ya kufanya mazoezi ya matukio ya roboti katika uigaji kabla hayajatokea katika ulimwengu halisi.
"Tunachozidi kuona katika siku zijazo ni aina hizi za ulimwengu wa mseto, ambapo una mchanganyiko wa nambari ya maandishi ya Gemini na maandishi, na Jini kumeza hiyo kwa wakati halisi na kuiga ukweli katika viwango tofauti vya uondoaji," Tejas Kulkarni, mkurugenzi wa utafiti katika Google, alisema wakati wa mkutano mfupi, kulingana na TechCrunch.
Kudumu Maradufu, Fizikia Bora
Kurukaruka kwa kizazi juu ya Jini 3 - iliyotolewa kama hakikisho la utafiti zaidi ya mwaka mmoja uliopita - ni kubwa. Jini 4 inaweza kudumisha tukio thabiti kwa hadi dakika mbili, mara mbili ya kikomo cha mtangulizi wake, na kutoa fizikia bora na wahusika zaidi kama binadamu, kulingana na TechCrunch. Pia inasaidia uhariri wa fomu bila malipo ambao haukuwezekana hapo awali, kama vile kubadilisha hali ya hewa au pembe za kamera kwa wakati halisi au kuongeza watu wapya au vitu kwenye uigaji unaoendelea.
Mfano sio bila mapungufu. Timu ya DeepMind ilikubali wakati wa muhtasari kwamba maelezo na vipengee vinaweza kusogezwa kadiri uigaji unavyoendelea, na kwamba kampuni bado haijasuluhisha jinsi ya kuhakikisha sauti inayozalishwa inasalia kuwa sahihi au kwamba maandishi ya ulimwengu yanaendelea kusomeka.
Soko la Muundo la Ulimwengu la Kuunganisha
Jini 4 linawasili huku tasnia ya wanamitindo duniani ikianza kuimarika. TechCrunch inabainisha kuwa toleo linakuja miezi michache baada ya Runway kuzindua GWM Worlds 2, mtindo wa ulimwengu unaoweza kuchezwa na kutengeneza sauti. Wakati huo huo, Maabara ya Dunia ya Fei-Fei Li inanunuliwa na AMD, Amazon iko kwenye mazungumzo ya kununua Decart, na Rivian amepata Dimension ya Tatu kuleta uwezo wa kuiga ndani ya nyumba kwa majaribio ya kujiendesha.
Google ni wazi inajaribu kukaa mbele ya uwanja huo uliojaa watu - na wawekezaji wamegundua. Ripoti za vyombo vya habari zilibainisha kuwa hisa za Alfabeti zilipanda zaidi ya 2% baada ya Genie 4 kufichuliwa, ambayo ilifika kabla ya ripoti ya mapato ya kila robo mwaka ya kampuni Jumatano. Mtangulizi wa Genie 3 alichezea hisa za mchezo wa video ilipoanza mwaka jana, wawekezaji walipong'ang'ana na kudokeza kwamba ulimwengu unaozalishwa kwa wakati halisi unaweza kushindana na ukuzaji wa mchezo wa kitamaduni.
Kuanzia Michezo ya Kubahatisha hadi Ubao wa Hadithi za Filamu hadi Roboti
DeepMind huunda uigaji wa ulimwengu kama hatua muhimu kuelekea AGI, kuwezesha mazingira salama ya mafunzo kwa roboti na mawakala. Kesi za utumiaji wa kibiashara zilizowekwa zinahusu michezo ya kubahatisha, kujifunza kwa mwingiliano, na utengenezaji. Mfano mmoja wa kubahatisha kutoka kwa kampuni: kuingia mchoro wa tukio la kihistoria na kuzungumza na watu wake kuhusu tukio lililoonyeshwa.
Lakini watumiaji wa mapema wanaelekeza mahali pasipotarajiwa: utengenezaji wa filamu. "Kipengele cha wakati halisi kinakuwa muhimu zaidi katika maeneo ambayo kuweka hali ya mtiririko katika nafasi ya ubunifu inakuwa muhimu sana," alisema Diego Rivas, mhandisi wa Google DeepMind, wakati wa mkutano na waandishi wa habari, kwa TechCrunch. "Kwa mfano, katika awamu ya mawazo, katika awamu ya ubao wa hadithi - wakati wowote unahitaji mawazo ya haraka."
Wajaribu wanaoaminika tayari wamekuwa wakitumia Genie 4 kuunda filamu za mfano, na Rivas alipendekeza kuwa watumiaji hatimaye wangemtegemea Gemini Omni kugeuza prototypes hizo kuwa vipengee vya ubunifu vilivyokamilika, ingawa alisisitiza kuwa uwezo huo utabaki kuwa njia mbali mbali.
Upatikanaji
Jini 4 inatolewa sasa katika muhtasari wa utafiti kwa kikundi kidogo cha wajaribu wanaoaminika. Katika wiki zijazo, itawafikia waliojisajili kwenye Google AI Ultra kupitia Project Genie - zana ya Google ya kuzalisha ulimwengu wasilianifu kutoka kwa maandishi au vidokezo vya picha - na pia washirika wa ufikiaji wa mapema katika API ya Gemini na Studio ya AI.
Iwapo wanamitindo wa ulimwengu watakuwa zamu inayofuata ya jukwaa au kubaki onyesho la kuvutia la utafiti, Genie 4 huweka wazi jambo moja: mstari kati ya kutazama video inayozalishwa na AI na kucheza ndani yake unatoweka.
Kaa Mbele ya AI
Fuatilia kila toleo la muundo wa mipaka na mafanikio ya utafiti — soma habari zaidi za AI kwenye AI Buzz Wire.
Pata maendeleo mapya zaidi ya AI hapa.
