گوگل ڈیپ مائنڈ نے منگل کو جنی 4 کا اعلان کیا، جو کہ ریئل ٹائم انٹرایکٹو سمولیشن کے لیے اس کا جدید ترین عالمی ماڈل ہے، جس کو کمپنی بے مثال حقیقت پسندی اور مقامی آڈیو کو AI سے تیار کردہ ماحول میں لاتی ہے جسے صارف قدرتی زبان کے ساتھ پرواز پر چلا سکتے ہیں۔
ایک پریس بریفنگ کے بعد ٹیک کرنچ کی کوریج کے مطابق، جنی 4 ڈیپ مائنڈ نے اب تک کی سب سے زیادہ فوٹو ریئلسٹک اور انٹرایکٹو دنیا تیار کی ہے۔ صارف منظر کو تبدیل کرنے کے لیے پرامپٹ مڈ سمولیشن ٹائپ کر سکتے ہیں — کیمرہ کو حرکت دینا، موسم کو تبدیل کرنا، یا نئے لوگوں اور اشیاء کو متعارف کروانا — جب کہ ماڈل مکھی پر مطابقت پذیر آڈیو تیار کرتا ہے، بشمول محیطی آواز، موسیقی، اور انٹرایکٹو ڈائیلاگ۔
عالمی ماڈلز - AI نظام جو متن کی پیش گوئی کرنے یا جامد تصاویر پیش کرنے کے بجائے انٹرایکٹو ماحول کی نقل کرتے ہیں - AI میں سب سے زیادہ مقابلہ کرنے والے محاذوں میں سے ایک بن گئے ہیں۔ ریس میں تیزی آنے کے ساتھ ہی AI Buzz Wire پر تازہ ترین AI ماڈل ریلیز کی پیروی کریں۔
جیمنی پر بنایا گیا، جس کی ہدایت کاری جیمنی نے کی۔
Genie 4 گوگل کے جیمنی ماڈل فیملی کے ساتھ گہرا مربوط ہے۔ ڈیپ مائنڈ کے اعلان کے مطابق، جیمنی اومنی حقیقی دنیا کی ظاہری شکل اور رویے میں نقالی کو اینکر کرتا ہے، جب کہ دیگر جیمنی ماڈلز وقت کے ساتھ نقلی مطابقت رکھنے کے لیے درکار پیچیدہ استدلال فراہم کرتے ہیں۔
TechCrunch نے فن تعمیر کو جیمنی ایک ڈائریکٹر کے طور پر کام کرنے کے طور پر بیان کیا جو قدموں کی منصوبہ بندی کرتا ہے اور فریموں کو چیک کرتا ہے جبکہ جنی بصری تخلیق کرتا ہے۔ Gemini Robotics کے ساتھ منسلک ایک تحقیقی تجربے میں، Gemini 4 Argon ماڈل نے کاموں کو ان مراحل میں توڑ دیا جن کو Genie 4 نے حقیقی وقت میں نقل کیا - ایک مظاہرہ ڈیپ مائنڈ ایک ممکنہ طریقہ کے طور پر روبوٹ کے منظرناموں کو جسمانی دنیا میں رونما ہونے سے پہلے ان کی نقلی مشق کرنے کے ممکنہ طریقے کے طور پر رکھتا ہے۔
"ہم مستقبل میں تیزی سے دیکھیں گے کہ یہ ہائبرڈ ورلڈ ماڈلز ہیں، جہاں آپ کے پاس Gemini تحریری کوڈ اور متن کا مجموعہ ہے، اور Genie اسے حقیقی وقت میں استعمال کرتا ہے اور تجرید کی مختلف سطحوں پر حقیقت کی نقل کرتا ہے،" گوگل کے ریسرچ ڈائریکٹر تیجس کلکرنی نے ایک بریفنگ کے دوران کہا، TechCrunch کے مطابق۔
استقامت کو دوگنا کریں، بہتر طبیعیات
جنی 3 پر نسلی چھلانگ - ایک سال پہلے ایک تحقیقی پیش نظارہ کے طور پر جاری کیا گیا - کافی ہے۔ Genie 4 ایک مستقل منظر کو دو منٹ تک برقرار رکھ سکتا ہے، اپنے پیشرو کی حد کو دوگنا کر سکتا ہے، اور فی TechCrunch کے مطابق بہتر طبیعیات اور زیادہ انسان نما کردار پیش کرتا ہے۔ یہ فری فارم ایڈیٹس کو بھی سپورٹ کرتا ہے جو پہلے ممکن نہیں تھے، جیسے ریئل ٹائم میں موسم یا کیمرے کے زاویوں کو تبدیل کرنا یا نئے لوگوں یا اشیاء کو چلتے ہوئے سمولیشن میں شامل کرنا۔
ماڈل خلا کے بغیر نہیں ہے. ڈیپ مائنڈ کی ٹیم نے بریفنگ کے دوران تسلیم کیا کہ تفصیلات اور اشیاء جتنی دیر تک نقلی انداز میں چلتی ہیں، اور یہ کہ کمپنی نے ابھی تک یہ حل نہیں کیا ہے کہ کس طرح اس بات کو یقینی بنایا جائے کہ جنریٹڈ آڈیو درست رہے یا یہ کہ دنیا کے اندر متن پڑھا جائے۔
ایک مضبوط عالمی ماڈل مارکیٹ
جینی 4 اس وقت پہنچ گیا جب عالمی ماڈل انڈسٹری مضبوط ہونا شروع ہو گئی۔ TechCrunch نوٹ کرتا ہے کہ یہ ریلیز رن وے کے GWM Worlds 2 کے آغاز کے چند ماہ بعد ہوئی ہے، جو آڈیو جنریشن کے ساتھ چلنے کے قابل عالمی ماڈل ہے۔ دریں اثنا، Fei-Fei Li's World Labs AMD کے ذریعے حاصل کی جا رہی ہے، Amazon Decart خریدنے کے لیے بات چیت کر رہا ہے، اور Rivian نے سیلف ڈرائیونگ ٹیسٹنگ کے لیے اندرون ملک نقلی صلاحیتوں کو لانے کے لیے تھرڈ ڈائمینشن حاصل کر لیا ہے۔
گوگل واضح طور پر اس بھیڑ والے میدان سے آگے رہنے کی کوشش کر رہا ہے - اور سرمایہ کاروں نے محسوس کیا ہے۔ پریس رپورٹس میں بتایا گیا کہ Genie 4 کی نقاب کشائی کے بعد الفابیٹ کے حصص میں 2% سے زیادہ کا اضافہ ہوا، جو بدھ کو کمپنی کی سہ ماہی آمدنی کی رپورٹ سے بالکل آگے آیا۔ پیشرو Genie 3 نے ویڈیو گیم کے اسٹاک کو جھنجھوڑ کر رکھ دیا جب اس نے پچھلے سال ڈیبیو کیا، کیونکہ سرمایہ کاروں نے اس مضمرات سے گریز کیا کہ حقیقی وقت میں پیدا ہونے والی دنیایں بالآخر روایتی گیم ڈویلپمنٹ کا مقابلہ کرسکتی ہیں۔
گیمنگ سے لے کر فلم اسٹوری بورڈز تک روبوٹکس تک
ڈیپ مائنڈ نے AGI کی جانب ایک اہم قدم کے طور پر ورلڈ سمولیشن کو تیار کیا، جس سے روبوٹس اور ایجنٹوں کے لیے محفوظ تربیتی ماحول کو فعال کیا جا سکتا ہے۔ تجارتی استعمال کے معاملات گیمنگ، انٹرایکٹو لرننگ اور مینوفیکچرنگ پر محیط ہیں۔ کمپنی کی طرف سے ایک قیاس آرائی کی مثال: ایک تاریخی منظر کی پینٹنگ میں داخل ہونا اور اس کے مضامین کے ساتھ اس واقعہ کے بارے میں بات چیت کرنا۔
لیکن ابتدائی صارفین کہیں غیر متوقع طور پر اشارہ کر رہے ہیں: فلم پری پروڈکشن۔ "حقیقی وقت کا پہلو ان علاقوں میں سب سے زیادہ قیمتی ہو جاتا ہے جہاں تخلیقی صلاحیتوں کی جگہ میں بہاؤ کی حالت کو برقرار رکھنا ناقابل یقین حد تک مفید ہو جاتا ہے،" گوگل ڈیپ مائنڈ کے انجینئر ڈیاگو ریواس نے پریس بریفنگ کے دوران، فی TechCrunch کے بارے میں کہا۔ "مثال کے طور پر، آئیڈییشن کے مرحلے میں، اسٹوری بورڈنگ کے مرحلے میں - جب بھی آپ کو تیزی سے آئیڈییشن کی ضرورت ہو۔"
قابل اعتماد ٹیسٹرز پہلے سے ہی فلموں کو پروٹو ٹائپ کرنے کے لیے Genie 4 کا استعمال کر رہے ہیں، اور Rivas نے مشورہ دیا کہ صارفین آخر کار جیمنی اومنی پر بھروسہ کر سکتے ہیں تاکہ ان پروٹو ٹائپز کو مکمل تخلیقی اثاثوں میں تبدیل کر سکیں، حالانکہ اس نے زور دیا کہ یہ صلاحیتیں اب بھی دور ہیں۔
دستیابی
Genie 4 اب تحقیقی پیش نظارہ میں قابل اعتماد ٹیسٹرز کے ایک محدود گروپ کے لیے تیار ہو رہا ہے۔ آنے والے ہفتوں میں، یہ پروجیکٹ جنی کے ذریعے گوگل کے AI الٹرا سبسکرائبرز تک پہنچ جائے گا - ٹیکسٹ یا امیج پرامپٹس سے انٹرایکٹو دنیا بنانے کے لیے گوگل کا ٹول - نیز جیمنی API اور AI اسٹوڈیو میں ابتدائی رسائی کے شراکت دار۔
چاہے عالمی ماڈلز اگلا پلیٹ فارم شفٹ بنیں یا ایک متاثر کن ریسرچ ڈیمو رہیں، جنی 4 ایک چیز کو واضح کرتا ہے: AI سے تیار کردہ ویڈیو دیکھنے اور اس کے اندر چلانے کے درمیان کی لائن غائب ہو رہی ہے۔
AI سے آگے رہیں
ہر فرنٹیئر ماڈل کی ریلیز اور تحقیقی پیش رفت سے آگاہ رہیں — AI Buzz Wire پر مزید AI خبریں پڑھیں۔
اے آئی کی تازہ ترین پیشرفت یہاں حاصل کریں۔
