Google DeepMind ประกาศเปิดตัว Genie 4 เมื่อวันอังคาร ซึ่งเป็นโมเดลโลกใหม่ล่าสุดสำหรับการจำลองเชิงโต้ตอบแบบเรียลไทม์ นำสิ่งที่บริษัทเรียกว่าความสมจริงและเสียงเนทีฟที่ไม่เคยมีมาก่อนมาสู่สภาพแวดล้อมที่สร้างโดย AI ซึ่งผู้ใช้สามารถควบคุมได้ทันทีด้วยภาษาธรรมชาติ

Genie 4 สร้างโลกที่สมจริงและโต้ตอบได้มากที่สุดที่ DeepMind ผลิตจนถึงปัจจุบัน ตามการรายงานข่าวของ TechCrunch หลังจากการแถลงข่าว ผู้ใช้สามารถพิมพ์ข้อความเตือนระหว่างการจำลองเพื่อเปลี่ยนฉาก เช่น การขยับกล้อง เปลี่ยนสภาพอากาศ หรือแนะนำผู้คนและวัตถุใหม่ๆ ในขณะที่โมเดลสร้างเสียงที่ซิงโครไนซ์ได้ทันที รวมถึงเสียงรอบข้าง เพลง และบทสนทนาเชิงโต้ตอบ

แบบจำลองของโลก — ระบบ AI ที่จำลองสภาพแวดล้อมเชิงโต้ตอบ แทนที่จะเพียงคาดเดาข้อความหรือแสดงภาพนิ่ง — ได้กลายเป็นหนึ่งในขอบเขตที่มีการโต้แย้งมากที่สุดใน AI ติดตามการเปิดตัวโมเดล AI ล่าสุดได้ที่ AI Buzz Wire ในขณะที่การแข่งขันดำเนินไปอย่างรวดเร็ว

สร้างขึ้นบนราศีเมถุน กำกับโดยราศีเมถุน

Genie 4 ได้รับการบูรณาการอย่างลึกซึ้งกับตระกูลโมเดล Gemini ของ Google ตามการประกาศของ DeepMind นั้น Gemini Omni จะยึดการจำลองในลักษณะและพฤติกรรมในโลกแห่งความเป็นจริง ในขณะที่โมเดล Gemini อื่นๆ ให้เหตุผลที่ซับซ้อนซึ่งจำเป็นต่อการรักษาการจำลองให้สอดคล้องกันเมื่อเวลาผ่านไป

TechCrunch อธิบายสถาปัตยกรรมว่า Gemini ทำหน้าที่เป็นผู้กำกับที่วางแผนขั้นตอนและตรวจสอบเฟรมในขณะที่ Genie สร้างภาพ ในการทดลองวิจัยที่เชื่อมโยงกับ Gemini Robotics โมเดล Gemini 4 Argon แบ่งงานออกเป็นขั้นตอนที่ Genie 4 จำลองขึ้นแบบเรียลไทม์ การสาธิต DeepMind วางตำแหน่งเป็นวิธีที่เป็นไปได้ในการซ้อมสถานการณ์หุ่นยนต์ในการจำลองก่อนที่จะเกิดขึ้นในโลกทางกายภาพ

"สิ่งที่เราจะได้เห็นมากขึ้นในอนาคตคือโมเดลโลกลูกผสมเหล่านี้ ซึ่งคุณมีการผสมผสานระหว่างการเขียนโค้ดและข้อความของราศีเมถุน และ Genie นำเข้าสิ่งนั้นแบบเรียลไทม์และจำลองความเป็นจริงในระดับนามธรรมที่แตกต่างกัน" Tejas Kulkarni ผู้อำนวยการฝ่ายวิจัยของ Google กล่าวระหว่างการบรรยายสรุป ตาม TechCrunch

ความคงทนเป็นสองเท่า ฟิสิกส์ที่ดีขึ้น

การก้าวกระโดดของรุ่น Genie 3 ซึ่งเปิดตัวเป็นตัวอย่างการวิจัยเมื่อไม่กี่ปีที่ผ่านมานั้นมีความสำคัญมาก Genie 4 สามารถรักษาฉากที่สม่ำเสมอได้นานถึงสองนาที เพิ่มขีดจำกัดของรุ่นก่อนเป็นสองเท่า และนำเสนอฟิสิกส์ที่ดีขึ้นและตัวละครที่เหมือนมนุษย์มากขึ้น ตาม TechCrunch นอกจากนี้ยังรองรับการแก้ไขรูปแบบอิสระที่ไม่เคยทำได้มาก่อน เช่น การเปลี่ยนแปลงสภาพอากาศหรือมุมกล้องแบบเรียลไทม์ หรือการเพิ่มบุคคลหรือวัตถุใหม่ๆ ลงในการจำลองที่กำลังดำเนินอยู่

โมเดลไม่มีช่องว่าง ทีมงานของ DeepMind รับทราบในระหว่างการบรรยายสรุปว่ารายละเอียดและวัตถุสามารถเลื่อนลอยไปได้เมื่อการจำลองใช้เวลานาน และบริษัทยังไม่ได้แก้ไขวิธีการตรวจสอบให้แน่ใจว่าเสียงที่สร้างขึ้นยังคงถูกต้องหรือข้อความในโลกยังคงอ่านได้

ตลาดโมเดลโลกที่รวบรวมไว้

Genie 4 มาถึงในขณะที่อุตสาหกรรมโมเดลโลกเริ่มรวมตัวกัน TechCrunch ตั้งข้อสังเกตว่าการเปิดตัวนี้เกิดขึ้นสองสามเดือนหลังจากที่ Runway เปิดตัว GWM Worlds 2 ซึ่งเป็นโมเดลโลกที่สามารถเล่นได้พร้อมการสร้างเสียง ในขณะเดียวกัน AMD ก็เข้าซื้อกิจการ World Labs ของ Fei-Fei Li, Amazon กำลังเจรจาเพื่อซื้อ Decart และ Rivian ได้เข้าซื้อกิจการ Third Dimension เพื่อนำความสามารถในการจำลองภายในองค์กรมาใช้สำหรับการทดสอบการขับขี่ด้วยตนเอง

เห็นได้ชัดว่า Google พยายามที่จะก้าวนำหน้ากลุ่มที่มีผู้คนหนาแน่น และนักลงทุนก็สังเกตเห็น รายงานข่าวระบุว่าหุ้นของ Alphabet เพิ่มขึ้นมากกว่า 2% หลังจากการเปิดตัว Genie 4 ซึ่งตกลงก่อนรายงานผลประกอบการรายไตรมาสของบริษัทในวันพุธ Genie 3 รุ่นก่อนเขย่าหุ้นวิดีโอเกมเมื่อเปิดตัวเมื่อปีที่แล้ว เนื่องจากนักลงทุนต้องต่อสู้กับความหมายที่ว่าโลกที่สร้างขึ้นแบบเรียลไทม์สามารถแข่งขันกับการพัฒนาเกมแบบดั้งเดิมได้ในที่สุด

จากเกมไปจนถึงสตอรี่บอร์ดภาพยนตร์ไปจนถึงวิทยาการหุ่นยนต์

DeepMind วางกรอบการจำลองโลกเป็นก้าวสำคัญสู่ AGI ทำให้เกิดสภาพแวดล้อมการฝึกอบรมที่ปลอดภัยสำหรับหุ่นยนต์และเจ้าหน้าที่ กรณีการใช้งานเชิงพาณิชย์ที่มีขอบเขตครอบคลุมทั้งการเล่นเกม การเรียนรู้เชิงโต้ตอบ และการผลิต ตัวอย่างหนึ่งที่เป็นการคาดเดาจากบริษัท: เข้าสู่ภาพวาดของฉากประวัติศาสตร์และพูดคุยกับหัวข้อเกี่ยวกับเหตุการณ์ที่แสดงให้เห็น

แต่ผู้ใช้ในยุคแรกๆ กำลังชี้ไปที่สิ่งที่ไม่คาดคิด นั่นก็คือ การเตรียมการผลิตภาพยนตร์ "แง่มุมแบบเรียลไทม์จะมีคุณค่ามากที่สุดในพื้นที่ที่การรักษาความลื่นไหลในพื้นที่สร้างสรรค์จะมีประโยชน์อย่างเหลือเชื่อ" Diego Rivas วิศวกรของ Google DeepMind กล่าวระหว่างการแถลงข่าวต่อ TechCrunch "ตัวอย่างเช่น ในระยะการคิด ในระยะการเขียนเรื่องราว เมื่อใดก็ตามที่คุณต้องการการคิดอย่างรวดเร็ว"

ผู้ทดสอบที่เชื่อถือได้ได้ใช้ Genie 4 ในการสร้างภาพยนตร์ต้นแบบแล้ว และ Rivas แนะนำว่าในที่สุดผู้ใช้สามารถพึ่งพา Gemini Omni เพื่อเปลี่ยนต้นแบบเหล่านั้นให้เป็นสินทรัพย์สร้างสรรค์ที่เสร็จสมบูรณ์ได้ แม้ว่าเขาจะเน้นย้ำว่าความสามารถเหล่านั้นยังคงมีหนทางอยู่

ว่าง

Genie 4 กำลังเปิดตัวตัวอย่างการวิจัยสำหรับผู้ทดสอบที่เชื่อถือได้จำนวนจำกัด ในอีกไม่กี่สัปดาห์ข้างหน้า สมาชิก Google AI Ultra จะเข้าถึงสมาชิก Google AI Ultra ผ่านทาง Project Genie ซึ่งเป็นเครื่องมือของ Google ในการสร้างโลกเชิงโต้ตอบจากข้อความหรือรูปภาพ รวมถึงพันธมิตรที่เข้าถึงได้ก่อนใครใน Gemini API และ AI Studio

ไม่ว่าโมเดลโลกจะกลายเป็นการเปลี่ยนแปลงแพลตฟอร์มครั้งต่อไปหรือยังคงเป็นการสาธิตการวิจัยที่น่าประทับใจ Genie 4 ทำให้สิ่งหนึ่งที่ชัดเจน: เส้นแบ่งระหว่างการดูวิดีโอที่สร้างโดย AI และการเล่นภายในนั้นกำลังหายไป

ก้าวนำหน้า AI

ติดตามการเปิดตัวโมเดลระดับแนวหน้าและความก้าวหน้าทางการวิจัย — อ่านข่าว AI เพิ่มเติมเกี่ยวกับ AI Buzz Wire

รับการพัฒนา AI ล่าสุดได้ที่นี่