Google DeepMind Salı günü, gerçek zamanlı etkileşimli simülasyon için en yeni dünya modeli olan Genie 4'ü duyurdu; şirketin benzeri görülmemiş gerçekçilik ve yerel sesi, kullanıcıların doğal dille anında yönlendirebilecekleri yapay zeka tarafından oluşturulan ortamlara getirdiğini duyurdu.
TechCrunch'ta bir basın brifinginin ardından yayınlanan habere göre Genie 4, DeepMind'ın bugüne kadar ürettiği en fotogerçekçi ve etkileşimli dünyaları yaratıyor. Kullanıcılar simülasyonun ortasında bir sahneyi değiştirmek (kamerayı hareket ettirmek, hava durumunu değiştirmek veya yeni insanları ve nesneleri tanıtmak) için istemler yazabilirken model, ortam sesi, müzik ve etkileşimli diyalog da dahil olmak üzere anında senkronize ses üretir.
Dünya modelleri (yalnızca metni tahmin etmek veya statik görüntüler oluşturmak yerine etkileşimli ortamları simüle eden yapay zeka sistemleri), yapay zekanın en tartışmalı alanlarından biri haline geldi. Yarış hızlandıkça en yeni AI modeli yayınlarını AI Buzz Wire adresinden takip edin.
Gemini Üzerine İnşa Edildi, Yönetmen Gemini
Genie 4, Google'ın Gemini model ailesiyle derinden entegredir. DeepMind'ın duyurusuna göre Gemini Omni, simülasyonları gerçek dünyadaki görünüm ve davranışlara sabitlerken, diğer Gemini modelleri bir simülasyonun zaman içinde tutarlı kalması için gereken karmaşık akıl yürütmeyi sağlıyor.
TechCrunch mimariyi, Genie görselleri oluştururken adımları planlayan ve kareleri kontrol eden bir yönetmen olarak hareket eden Gemini olarak tanımladı. Gemini Robotics'e bağlı bir araştırma deneyinde, Gemini 4 Argon modeli, görevleri Genie 4'ün daha sonra gerçek zamanlı olarak simüle ettiği adımlara ayırdı; bu, DeepMind'ın robot senaryolarını fiziksel dünyada gerçekleşmeden önce simülasyonda prova etmenin olası bir yolu olarak konumlandırdığının bir göstergesidir.
TechCrunch'a göre Google araştırma direktörü Tejas Kulkarni bir brifing sırasında şunları söyledi: "Gelecekte giderek daha fazla göreceğimiz şey, Gemini'nin kod ve metin yazma kombinasyonuna sahip olduğunuz ve Genie'nin bunu gerçek zamanlı olarak özümsediği ve farklı soyutlama düzeylerinde gerçekliği simüle ettiği bu hibrit dünya modelleridir."
Kalıcılığı İkiye Katlayın, Daha İyi Fizik
Bir yıldan biraz daha uzun bir süre önce bir araştırma ön izlemesi olarak yayınlanan Genie 3'te nesiller boyu yaşanan sıçrama oldukça önemli. Genie 4, TechCrunch'a göre iki dakikaya kadar tutarlı bir sahneyi koruyabiliyor, selefinin sınırını iki katına çıkarabiliyor ve daha iyi fizik ve daha insansı karakterler sunuyor. Ayrıca, hava durumunu veya kamera açılarını gerçek zamanlı olarak değiştirmek veya çalışan bir simülasyona yeni insanlar veya nesneler eklemek gibi daha önce mümkün olmayan serbest biçimli düzenlemeleri de destekler.
Model boşluksuz değildir. DeepMind ekibi brifing sırasında, simülasyon ne kadar uzun sürerse ayrıntıların ve nesnelerin sürüklenebileceğini ve şirketin, üretilen sesin doğru kalmasını veya dünya içi metnin okunaklı kalmasını nasıl sağlayacağını henüz çözmediğini kabul etti.
Birleşen Bir Dünya Model Pazarı
Genie 4, dünya modeli endüstrisinin güçlenmeye başlamasıyla birlikte geliyor. TechCrunch, sürümün Runway'in ses üretimine sahip oynanabilir bir dünya modeli olan GWM Worlds 2'yi piyasaya sürmesinden birkaç ay sonra geldiğini belirtiyor. Bu arada, Fei-Fei Li'nin Dünya Laboratuvarları AMD tarafından satın alınıyor, Amazon Decart'ı satın almak için görüşmelerde bulunuyor ve Rivian, kendi kendine sürüş testleri için simülasyon yeteneklerini şirket içine getirmek üzere Üçüncü Boyut'u satın aldı.
Google açıkça bu kalabalık alanın önünde kalmaya çalışıyor ve yatırımcılar bunu fark etti. Basında çıkan haberlerde, şirketin Çarşamba günkü üç aylık kazanç raporunun hemen öncesinde gerçekleşen Genie 4 tanıtımından sonra Alphabet hisselerinin %2'den fazla arttığı belirtildi. Önceki Genie 3, geçen yıl piyasaya sürüldüğünde video oyun hisselerini sarstı; yatırımcılar, gerçek zamanlı olarak oluşturulan dünyaların eninde sonunda geleneksel oyun geliştirmeyle rekabet edebileceği imasıyla boğuşuyordu.
Oyundan Film Storyboard'larına ve Robotiğe
DeepMind, dünya simülasyonunu AGI'ye doğru önemli bir adım olarak çerçeveliyor ve robotlar ve aracılar için güvenli eğitim ortamları sağlıyor. Sunulan ticari kullanım örnekleri oyun, etkileşimli öğrenme ve üretimi kapsar. Şirketten spekülatif bir örnek: Tarihi bir sahnenin resmine girmek ve resmedilen olayla ilgili kişilerle sohbet etmek.
Ancak ilk kullanıcılar beklenmedik bir yere işaret ediyor: film ön prodüksiyonu. TechCrunch'a göre basın toplantısında Google DeepMind mühendisi Diego Rivas, "Gerçek zamanlı özellik, yaratıcılık alanında akış durumunu korumanın inanılmaz derecede faydalı olduğu alanlarda en değerli hale geliyor" dedi. "Örneğin, fikir aşamasında, storyboard aşamasında; hızlı düşünmeye ihtiyaç duyduğunuz her an."
Güvenilir test uzmanları zaten filmlerin prototiplerini yapmak için Genie 4'ü kullanıyor ve Rivas, kullanıcıların bu prototipleri bitmiş yaratıcı varlıklara dönüştürmek için eninde sonunda Gemini Omni'ye güvenebileceklerini öne sürdü, ancak bu yeteneklerin henüz çok uzakta olduğunu vurguladı.
Kullanılabilirlik
Genie 4 şu anda sınırlı sayıda güvenilir test kullanıcısına araştırma ön izlemesi olarak sunuluyor. Önümüzdeki haftalarda Google AI Ultra abonelerine, Google'ın metin veya resim istemlerinden etkileşimli dünyalar oluşturmaya yönelik aracı Project Genie'nin yanı sıra Gemini API ve AI Studio'daki erken erişim ortakları aracılığıyla ulaşacak.
İster dünya modelleri bir sonraki platform değişimi olsun, ister etkileyici bir araştırma demosu olarak kalsın, Genie 4 bir şeyi açıkça ortaya koyuyor: Yapay zeka tarafından oluşturulan videoyu izlemek ile içinde oynatmak arasındaki çizgi ortadan kalkıyor.
Yapay Zekanın Önünde Olun
Tüm öncü model sürümlerini ve araştırma atılımlarını takip edin — AI Buzz Wire'da daha fazla yapay zeka haberini okuyun.
En son yapay zeka gelişmelerini buradan alın.
