Google DeepMind செவ்வாயன்று Genie 4 ஐ அறிவித்தது, இது நிகழ்நேர ஊடாடும் உருவகப்படுத்துதலுக்கான அதன் புதிய உலக மாடலாகும், நிறுவனம் முன்னோடியில்லாத ரியலிசம் மற்றும் நேட்டிவ் ஆடியோவை AI-உருவாக்கிய சூழல்களுக்குக் கொண்டுவருகிறது, இது பயனர்கள் இயற்கையான மொழியில் பறக்க முடியும்.
டெக் க்ரஞ்ச் செய்தியாளர் சந்திப்பைத் தொடர்ந்து அளித்த தகவலின்படி, டீப் மைண்ட் இன்றுவரை உருவாக்கிய மிக ஒளிமயமான மற்றும் ஊடாடும் உலகங்களை ஜீனி 4 உருவாக்குகிறது. கேமராவை நகர்த்துவது, வானிலையை மாற்றுவது அல்லது புதிய நபர்களையும் பொருட்களையும் அறிமுகப்படுத்துவது போன்ற காட்சியை மாற்ற பயனர்கள் இடைநிலை உருவகப்படுத்துதலைத் தட்டச்சு செய்யலாம்.
உலக மாதிரிகள் — AI அமைப்புகள், வெறும் உரையை கணிப்பது அல்லது நிலையான படங்களை வழங்குவதை விட ஊடாடும் சூழல்களை உருவகப்படுத்துகிறது — AI இல் மிகவும் போட்டியிட்ட எல்லைகளில் ஒன்றாக மாறியுள்ளது. ரேஸ் வேகமெடுக்கும் போது சமீபத்திய AI மாடல் வெளியீடுகளை AI Buzz Wire இல் பின்பற்றவும்.
ஜெமினியில் கட்டப்பட்டது, ஜெமினி இயக்கியது
ஜெனி 4 கூகுளின் ஜெமினி மாடல் குடும்பத்துடன் ஆழமாக ஒருங்கிணைக்கப்பட்டுள்ளது. DeepMind இன் அறிவிப்பின்படி, ஜெமினி ஆம்னி நிஜ உலக தோற்றம் மற்றும் நடத்தை ஆகியவற்றில் உருவகப்படுத்துதல்களைத் தொகுக்கிறது, மற்ற ஜெமினி மாதிரிகள் ஒரு உருவகப்படுத்துதலை காலப்போக்கில் ஒத்திசைவாக வைத்திருக்க தேவையான சிக்கலான காரணங்களை வழங்குகின்றன.
டெக் க்ரஞ்ச் கட்டிடக்கலையை ஜெமினி ஒரு இயக்குனராக செயல்பட்டது என விவரித்தது, அது ஜெனி காட்சிகளை உருவாக்கும் போது படிகளை திட்டமிட்டு சட்டங்களை சரிபார்க்கிறது. ஜெமினி ரோபோட்டிக்ஸுடன் இணைக்கப்பட்ட ஒரு ஆராய்ச்சிப் பரிசோதனையில், ஜெமினி 4 ஆர்கான் மாதிரியானது, ஜெனி 4 பின்னர் நிகழ்நேரத்தில் உருவகப்படுத்தப்பட்ட படிநிலைகளாகப் பணிகளைப் பிரித்தது - ரோபோ காட்சிகளை இயற்பியல் உலகில் நிகழும் முன் உருவகப்படுத்துதலில் ஒத்திகை பார்க்க டீப் மைண்ட் ஒரு சாத்தியமான வழியாகும்.
"எதிர்காலத்தில் நாம் அதிகமாகப் பார்ப்பது இந்த கலப்பின உலக மாதிரிகள் ஆகும், அங்கு நீங்கள் ஜெமினி எழுதும் குறியீடு மற்றும் உரையின் கலவையை வைத்திருக்கிறீர்கள், மேலும் ஜீனி அதை நிகழ்நேரத்தில் உட்கொண்டு வெவ்வேறு நிலைகளில் யதார்த்தத்தை உருவகப்படுத்துகிறார்" என்று கூகுளின் ஆராய்ச்சி இயக்குனர் தேஜாஸ் குல்கர்னி டெக் க்ரஞ்ச் ஒரு மாநாட்டின் போது கூறினார்.
விடாமுயற்சி, சிறந்த இயற்பியல்
ஜீனி 3-ஐ விட தலைமுறை பாய்ச்சல் - ஒரு வருடத்திற்கு முன்பு ஒரு ஆராய்ச்சி முன்னோட்டமாக வெளியிடப்பட்டது - கணிசமானது. Genie 4 ஆனது இரண்டு நிமிடங்கள் வரை சீரான காட்சியை பராமரிக்க முடியும், அதன் முன்னோடி வரம்பை இரட்டிப்பாக்க முடியும், மேலும் TechCrunch ஒன்றுக்கு சிறந்த இயற்பியல் மற்றும் மனிதனைப் போன்ற எழுத்துக்களை வழங்குகிறது. வானிலை அல்லது கேமரா கோணங்களை நிகழ்நேரத்தில் மாற்றுவது அல்லது இயங்கும் உருவகப்படுத்துதலில் புதிய நபர்கள் அல்லது பொருட்களைச் சேர்ப்பது போன்ற, இதற்கு முன் சாத்தியமில்லாத இலவச-படிவத் திருத்தங்களையும் இது ஆதரிக்கிறது.
மாதிரி இடைவெளி இல்லாமல் இல்லை. DeepMind இன் குழு விளக்கத்தின் போது விவரங்கள் மற்றும் பொருள்கள் சிமுலேஷன் இயக்கங்களை நீண்ட நேரம் நகர்த்த முடியும் என்பதை ஒப்புக்கொண்டது, மேலும் உருவாக்கப்பட்ட ஆடியோ துல்லியமாக இருப்பதை அல்லது உலகில் உள்ள உரை தெளிவாக இருப்பதை உறுதி செய்வது எப்படி என்பதை நிறுவனம் இன்னும் தீர்க்கவில்லை.
ஒரு ஒருங்கிணைந்த உலக மாதிரி சந்தை
உலக மாதிரித் தொழில் ஒருங்கிணைக்கத் தொடங்கும் போது ஜீனி 4 வருகிறது. ரன்வே GWM Worlds 2 ஐ அறிமுகப்படுத்திய சில மாதங்களுக்குப் பிறகு, ஆடியோ உருவாக்கத்துடன் இயங்கக்கூடிய உலக மாடலை வெளியிட்டது என்று TechCrunch குறிப்பிடுகிறது. இதற்கிடையில், Fei-Fei Li's World Labs AMD ஆல் கையகப்படுத்தப்படுகிறது, Amazon Decart ஐ வாங்குவதற்கான பேச்சுவார்த்தையில் உள்ளது, மற்றும் Rivian சுய-ஓட்டுநர் சோதனைக்காக உள்நாட்டில் உருவகப்படுத்துதல் திறன்களைக் கொண்டுவர மூன்றாம் பரிமாணத்தை வாங்கியுள்ளது.
கூகிள் அந்த நெரிசலான துறையில் தெளிவாக இருக்க முயற்சிக்கிறது - மற்றும் முதலீட்டாளர்கள் கவனித்துள்ளனர். ஜெனி 4 வெளியீட்டிற்குப் பிறகு ஆல்பாபெட் பங்குகள் 2% க்கும் அதிகமாக உயர்ந்ததாக பத்திரிகை அறிக்கைகள் குறிப்பிடுகின்றன, இது புதன்கிழமை நிறுவனத்தின் காலாண்டு வருவாய் அறிக்கைக்கு சற்று முன்னதாகவே இறங்கியது. முன்னோடியான Genie 3 கடந்த ஆண்டு அறிமுகமானபோது வீடியோ கேம் பங்குகளை ஆட்டிப்படைத்தது, முதலீட்டாளர்கள் நிகழ்நேரத்தில் உருவாக்கப்பட்ட உலகங்கள் இறுதியில் பாரம்பரிய கேம் மேம்பாட்டுடன் போட்டியிடலாம் என்ற உட்குறிப்பைப் பற்றிக்கொண்டனர்.
கேமிங்கில் இருந்து ஃபிலிம் ஸ்டோரிபோர்டுகள் முதல் ரோபாட்டிக்ஸ் வரை
டீப் மைண்ட் உலக உருவகப்படுத்துதலை AGI நோக்கி ஒரு முக்கியமான படியாக வடிவமைக்கிறது, இது ரோபோக்கள் மற்றும் முகவர்களுக்கான பாதுகாப்பான பயிற்சி சூழல்களை செயல்படுத்துகிறது. கேமிங், ஊடாடும் கற்றல் மற்றும் உற்பத்தி ஆகியவற்றில் பிட்ச் செய்யப்பட்ட வணிக பயன்பாட்டு வழக்குகள். நிறுவனத்திடமிருந்து ஒரு ஊக உதாரணம்: ஒரு வரலாற்று காட்சியின் ஓவியத்தில் நுழைந்து, சித்தரிக்கப்பட்ட நிகழ்வைப் பற்றி அதன் பாடங்களுடன் அரட்டை அடிப்பது.
ஆனால் ஆரம்பகால பயனர்கள் எங்கோ எதிர்பாராததைச் சுட்டிக்காட்டுகின்றனர்: படத்தின் முன் தயாரிப்பு. "படைப்பாற்றல் இடத்தில் ஓட்ட நிலையை வைத்திருப்பது நம்பமுடியாத அளவிற்கு பயனுள்ளதாக இருக்கும் பகுதிகளில் நிகழ் நேர அம்சம் மிகவும் மதிப்புமிக்கதாகிறது" என்று டெக் க்ரஞ்ச் செய்தியாளர் சந்திப்பின் போது கூகுள் டீப் மைண்ட் இன்ஜினியர் டியாகோ ரிவாஸ் கூறினார். "உதாரணமாக, சிந்தனை கட்டத்தில், ஸ்டோரிபோர்டிங் கட்டத்தில் - எந்த நேரத்திலும் உங்களுக்கு விரைவான யோசனை தேவைப்படும்."
நம்பகமான சோதனையாளர்கள் ஏற்கனவே ஜெனி 4 ஐப் படங்களில் முன்மாதிரியாகப் பயன்படுத்துகின்றனர், மேலும் பயனர்கள் ஜெமினி ஆம்னியை நம்பி அந்த முன்மாதிரிகளை முடிக்கப்பட்ட ஆக்கப்பூர்வ சொத்துகளாக மாற்றலாம் என்று ரிவாஸ் பரிந்துரைத்தார், இருப்பினும் அந்த திறன்கள் ஒரு வழியே இல்லை என்று அவர் வலியுறுத்தினார்.
கிடைக்கும்
Genie 4 இப்போது நம்பகமான சோதனையாளர்களின் வரையறுக்கப்பட்ட குழுவிற்கான ஆராய்ச்சி முன்னோட்டத்தில் வெளிவருகிறது. வரவிருக்கும் வாரங்களில், இது Google AI Ultra சந்தாதாரர்களை Project Genie மூலம் சென்றடையும் - உரை அல்லது படத் தூண்டுதல்களிலிருந்து ஊடாடும் உலகங்களை உருவாக்குவதற்கான Google இன் கருவி - அத்துடன் ஜெமினி API மற்றும் AI ஸ்டுடியோவில் உள்ள ஆரம்ப அணுகல் கூட்டாளர்களும்.
உலக மாதிரிகள் அடுத்த இயங்குதள மாற்றமாக மாறினாலும் அல்லது ஈர்க்கக்கூடிய ஆராய்ச்சி டெமோவாக இருந்தாலும், ஜீனி 4 ஒரு விஷயத்தை தெளிவுபடுத்துகிறது: AI-உருவாக்கிய வீடியோவைப் பார்ப்பதற்கும் அதற்குள் விளையாடுவதற்கும் இடையே உள்ள கோடு மறைந்து வருகிறது.
AIக்கு முன்னால் இருங்கள்
ஒவ்வொரு எல்லை மாடல் வெளியீடு மற்றும் ஆராய்ச்சி முன்னேற்றம் - AI Buzz Wire இல் மேலும் AI செய்திகளைப் படிக்கவும்.
சமீபத்திய AI மேம்பாடுகளை இங்கே பெறவும்.
