Η Google DeepMind παρουσιάζει το Genie 4, το μοντέλο τεχνητής νοημοσύνης που δημιουργεί κόσμους με ήχο

Η Google DeepMind ανακοίνωσε την Τρίτη, 27 Οκτωβρίου, το Genie 4, την επόμενη έκδοση του μοντέλου τεχνητής νοημοσύνης για τη δημιουργία κόσμων. Το μοντέλο παράγει διαδραστικά εικονικά περιβάλλοντα σε πραγματικό χρόνο, τα οποία είναι πιο ρεαλιστικά από ποτέ, ενώ πλέον διαθέτουν και δικό τους ήχο. Η εταιρεία το περιέγραψε ως το "νέο μοντέλο κόσμου, το οποίο ξεκλειδώνει πρωτόγνωρο ρεαλισμό και βελτιώνει τη διαδραστική προσομοίωση σε πραγματικό χρόνο", με μουσική, θορύβους περιβάλλοντος και διαλόγους που δημιουργούνται παράλληλα με τα οπτικά εφέ. Η κυκλοφορία βασίζεται σε μια τεχνολογία που έχει ήδη ταράξει τους επενδυτές σε εταιρείες βιντεοπαιχνιδιών, σύμφωνα με το Bloomberg.deepmind.google+1

Καθοδηγώντας κόσμους με το Gemini

Οι χρήστες δημιουργούν εξερευνήσιμους κόσμους μέσω κειμενικών εντολών και κινούνται μέσα σε αυτούς με τα πλήκτρα του πληκτρολογίου. Καθώς μια σκηνή εξελίσσεται, μπορούν να πληκτρολογήσουν οδηγίες, όπως η αλλαγή του καιρού ή η προσθήκη ενός χαρακτήρα. Το μοντέλο βασίζεται στην οικογένεια Gemini της Google. Το Gemini Omni συνδέει τις προσομοιώσεις με τον τρόπο που τα αντικείμενα φαίνονται και συμπεριφέρονται στον πραγματικό κόσμο, ενώ το Gemini 3.8 Flash λειτουργεί ως "καθοδηγητικός πράκτορας". Παρακολουθεί κάθε σκηνή, χωρίζει τους στόχους σε βήματα και ελέγχει τα εισερχόμενα καρέ για να διατηρήσει τη συνοχή του κόσμου. Το Genie 4 μπορεί να παράγει εμπειρίες διάρκειας περίπου δύο λεπτών, αυξημένη διάρκεια από το ένα λεπτό του Genie 3, ανέφερε το The Verge.bloomberg.com+2

Η DeepMind δηλώνει ότι το Genie 4 είναι το πρώτο της μοντέλο κόσμου σε πραγματικό χρόνο που παράγει ήχο εγγενώς, συμπεριλαμβανομένων διαλόγων που αλλάζουν άμεσα. Η εταιρεία αναγνώρισε επίσης ορισμένους περιορισμούς: οι οπτικές λεπτομέρειες και η μονιμότητα των αντικειμένων μπορεί να "μετατοπίζονται ή να αλλοιώνονται με την πάροδο του χρόνου", ειδικά σε μεγαλύτερες συνεδρίες.deepmind.google

Σταδιακή διάθεση

Προς το παρόν, το Genie 4 αποτελεί μια ερευνητική προεπισκόπηση για έμπιστους δοκιμαστές. Οι συνδρομητές του Google AI Ultra στο Project Genie και οι συνεργάτες πρώιμης πρόσβασης στο Gemini API και το Google AI Studio θα αποκτήσουν πρόσβαση αργότερα, ενώ υπάρχει ήδη λίστα αναμονής. Όλα τα βίντεο και οι ήχοι που παράγονται θα φέρουν υδατογραφήματα SynthID. Η Google προωθεί το μοντέλο για προ-οπτικοποίηση ταινιών, δημιουργία πρωτοτύπων παιχνιδιών και σενάρια εκπαίδευσης ρομπότ.theverge.com+1

Πίεση στις μετοχές των παιχνιδιών

Οι επενδυτές έχουν αντιδράσει σε προηγούμενες κυκλοφορίες του Genie. Όταν η Alphabet ↗ 0.84% παρουσίασε το Project Genie τον Ιανουάριο, οι μετοχές της Take-Two Interactive ↘ 1.02% και της Roblox ↗ 0.18% υποχώρησαν περίπου 9% η καθεμία στις απογευματινές συναλλαγές, ενώ η Unity Software ↘ 0.57% σημείωσε πτώση 19%. Οι επενδυτές ανησύχησαν ότι τα εργαλεία αυτά θα μπορούσαν να ανατρέψουν την παραδοσιακή ανάπτυξη παιχνιδιών, σύμφωνα με το ρεπορτάζ του Reuters Thomson Reuters Corporation ↘ 4.64% που αναμεταδόθηκε από τους The Economic Times. Πιο πρόσφατα, στις 7 Οκτωβρίου, η Google και η Unity ανακοίνωσαν μια συνεργασία σε μια πλατφόρμα τεχνητής νοημοσύνης που επιτρέπει στους χρήστες να δημιουργούν παιχνίδια από κειμενικές εντολές. Οι μετοχές της Unity ενισχύθηκαν μετά την είδηση, ενώ οι μετοχές της Roblox υποχώρησαν.economictimes.indiatimes.com+1

Η ίδια η DeepMind αποκαλεί το Genie 4 "ένα πρώιμο, πειραματικό μοντέλο". Πλαισιώνει το έργο κυρίως ως ένα βήμα προς την τεχνητή γενική νοημοσύνη (AGI) και προς την οικοδόμηση περιβαλλόντων εκπαίδευσης για ρομπότ και πράκτορες τεχνητής νοημοσύνης.deepmind.google