Google DeepMind випустив Genie 4 для відповідних передплатників Google AI Ultra, перетворивши Project Genie з дослідницького прототипу на споживчий продукт для створення та дослідження інтерактивних світів, створених ШІ. Оновлення надає перший публічний доступ до Genie 4, розмовного агента збірки та галереї спільноти, де користувачі можуть ділитися своїми творами та створювати ремікси, оголосив Google.

Проект Genie був представлений на початку цього року як експериментальний дослідницький прототип, і перші випробувачі сказали Google, що хочуть глибшого контролю над тим, що відбувається всередині створених світів, а також простіших способів їх створення та спільного використання. Новий випуск, який широко висвітлювався спільнотою розробників, оскільки він очолив дискусійні форуми цього тижня, відповідає обом запитам. Для постійного висвітлення останніх розробок штучного інтелекту від Google DeepMind та інших великих лабораторій AI Buzz Wire стежить за кожним випуском.

Редагувати будь-який світ у середині сесії

Genie 4 — це найреалістичніша та інтерактивна модель світу Google DeepMind, і її визначальною особливістю є редагування в реальному часі: користувачі можуть підказувати під час сеансу змінити світ, у якому вони переміщуються, у реальному часі. «Змініть погоду, додайте персонажа або перенаправте дію» за допомогою введеного підказки, йдеться в повідомленні Google.

Вперше Genie 4 поєднує ці візуальні елементи з власним аудіо в реальному часі, яке адаптується відповідно до розгортання сцени, починаючи від навколишнього звукового ландшафту й закінчуючи діалогами персонажів. Google продемонстрував, як перетворити підказку природною мовою на інтерактивний вихід у відкритий космос, потім викликати космічний корабель прибульців за командою та змінити кафе на схилі пагорба на скляний павільйон у пустелі.

Розмовний агент будує ваш світ

Для створення світу більше не потрібна єдина ідеальна підказка. Новий агент Project Genie організовує набір мультимодальних моделей Google через звичайну розмову: користувачі описують своє бачення, а агент створює початкові візуальні ефекти, що створюють фірмовий вигляд світу, у поєднанні з індивідуальними фоновими балами, адаптованими до настрою.

Моделі Gemini також можуть приєднуватися до сеансу під час його виконання, спостерігаючи за тим, що відбувається на екрані, відкриваючи контекстно-залежні чипи пропозицій щодо того, куди йти далі, або автоматично запускаючи події у світі під час подорожі. Результат, за словами Google, робить створення інтерактивного всесвіту «таким же легким, як розмова».

Галерея, створена для реміксування

Нова галерея спільноти дозволяє підписникам Ultra публікувати власні світи, щоб інші могли досліджувати та створювати ремікси. Власні приклади від Google показують діапазон: «Жива пам’ять» перетворює особисті фотографії на простори, які можна досліджувати, «Посібник по динозаврам» блукає доісторичними місцями проживання на 360-градусних панорамах, а «Камінь-ножиці-папір» виставляє тематичні об’єкти один проти одного на столі, а Близнюки виконують роль арбітра в реальному часі.

Genie 3 залишається в панелі вибору моделі

Незважаючи на дебют Genie 4, Genie 3 залишається доступним у інструменті вибору моделей Project Genie для тих випадків, коли він залишається кращим інструментом — довші пробіжки та панорамні простори. Google виділив оновлення Genie 3, включаючи події в режимі реального часу, які з’єднують різні світи в один безперервний політ через ліси, підводні руїни та крижані моря, а також 360-градусне панорамне заземлення, яке зберігає каньйон Петри та фасад узгодженими під час руху камери.

В одній демонстрації Genie 3 поєднав тривалі пробіжки, панорамне приземлення та оперативні події, щоб перетворити світ у польоті — навіть виклик дракона, на якому можна їздити, за командою.

Доступ і доступність

Genie 4 зараз доступний для тих, хто підписався на Google AI Ultra, і вони можуть створювати світи, ділитися ними та створювати ремікси в галереї спільноти вже сьогодні. Учасники Google AI Pro можуть приєднатися до списку очікування. Усе працює безпосередньо у веб-переглядачі через веб-сайт Project Genie, не потребуючи завантажень.

Від прототипу до продукту за три тижні

Швидкість цього розгортання помітна. Проект Genie існував як обмежений дослідницький експеримент лише кілька тижнів тому, і Google каже, що оновлення є прямою відповіддю на те, що просили перші тестувальники: більше контролю та легший обмін. Замість того, щоб повільно переходити від дослідження до продукту, DeepMind запропонував споживчий доступ, агент створення та соціальну інфраструктуру в один крок — ознака того, наскільки агресивно Google просуває свою світову модельну програму до мейнстріму.

Це також відображає ширші зміни в тому, як компанія запускає продукти ШІ. Замість того, щоб чекати відшліфованого флагмана, Google повторює публічну ітерацію, використовуючи свою базу передплатників як живий випробувальний полігон, зберігаючи при цьому чітку дослідницьку лінію — Genie 3 — доступну для робочих навантажень, з якими нова модель ще не справляється найкраще.

Чому світові моделі важливі

Світові моделі — системи штучного інтелекту, які імітують інтерактивне середовище, а не просто передбачають текст або рендеринг статичних кадрів — широко розглядаються як потенційна основа для ігор, навчання робототехніки та втілених досліджень ШІ. Завдяки Genie 4 Google стала першою великою лабораторією, яка надала широким споживачам передову модель світу, доповнену соціальними функціями, які перетворюють світобудову на вміст, яким можна ділитися.

Розгортання також загострює конкурентну гонку в генеративних медіа. Оскільки світові моделі, відеогенератори та ігрові механізми зближуються, межа між грою в гру та підказкою починає стиратися — і тепер у Google є продукт, орієнтований на споживача, щоб перевірити, де саме знаходиться ця лінія.

Будьте попереду ШІ

Ландшафт штучного інтелекту щотижня змінюється від світових моделей до передових LLM. Слідкуйте за останніми розробками ШІ на AI Buzz Wire.

Читати більше новин AI →