Google dezvoltă numeroase modele bazate pe inteligența artificială generativă, iar unul dintre proiectele sale cu adevărat deosebite este Genie, un model de simulare a lumii. Acesta a atras pentru prima dată atenția publicului larg în vara anului 2025, când compania a lansat Genie 3, care permitea crearea unui spațiu grafic interactiv. Acum a sosit noua versiune, care aduce un progres important.
Genie 4 dezvoltat de DeepMind este cel mai bun model de simulare a lumii de până acum. Instrumentul creează medii interactive pe care utilizatorii le pot explora și modifica în timp real prin instrucțiuni în limbaj natural. Fiecare schimbare are efect imediat pe parcursul simulării și modelează experiența după dorința utilizatorului.
Spre deosebire de generațiile anterioare, Genie 4 poate genera nativ și sunete și dialoguri în paralel cu imaginile, completând astfel experiența.
După cum se știe, Genie 4 este un simulator interactiv, nu un model convențional de generare video. Experiența seamănă foarte mult cu intrarea într-un joc. După introducerea unui prompt la alegere, utilizatorul se poate cufunda imediat în lumea generată. Mișcarea și perspectiva sunt controlate cu tastatura și mouse-ul. Utilizatorul poate privi în toate direcțiile și poate explora spațiul pe toată durata simulării.
Cea mai spectaculoasă funcție a noului model Genie este „controlul în timp real”: utilizatorul poate modifica mediul din mers prin instrucțiuni text introduse în timpul simulării. Astfel poate extinde continuu spațiul virtual sau poate interveni asupra întregului mediu. De exemplu, într-un spațiu deschis poate schimba vremea sau momentul zilei. Tot prin comenzi se schimbă unghiul camerei și se obțin instrumente noi. Seamănă puțin cu introducerea codurilor de cheat în GTA.
Datorită arhitecturii revizuite și progreselor tehnologice, o lume poate fi menținută activă mai mult decât înainte. Durata rămâne însă foarte scurtă. Utilizatorii au la dispoziție doar două minute, intervalul în care Genie 4 poate garanta stabilitatea și coerența scenei imaginate. Este dublul duratei oferite de Genie 3 în 2025. În realitate simulările ar putea rula deja mult mai mult, însă atunci apar erori, pierderi de context și alte probleme. De aceea Google limitează durata, nu numărul token-urilor.
Generarea sunetului introdusă în Genie 4 îi oferă fiecărui spațiu virtual un mediu acustic propriu. Vuietul vântului, susurul apei curgătoare și zgomotul pașilor sunt generate în timp real, în funcție de acțiunile din simulare. Astfel experiența devine mult mai realistă, iar spațiul virtual îi va captiva mai mult pe utilizatori. Dacă într-o scenă apar mai multe persoane, personajele nu se vor plimba în tăcere. Vor putea conversa între ele și i se vor putea adresa și utilizatorului. Interactivitatea se va extinde și la conversații, iar lucrurile spuse vor influența evoluția lumii.
Un aspect foarte important este simularea realistă a fizicii, cu gravitație și interacțiuni. Genie 4 simulează rezultatul ciocnirii obiectelor, interacțiunea dintre vânt și copaci, dar chiar și mișcarea apei. O frunză care cade în apă va tulbura suprafața și va produce un sunet. Dacă utilizatorul intră într-un lac, zgomotul va fi mult mai puternic, iar valurile mult mai mari.
Cercetătorii DeepMind folosesc aproape toate modelele Gemini importante pentru a asigura funcționarea stabilă a Genie 4. Gemini Omni creează numeroase elemente vizuale, precum texturile și tiparele de comportament realiste. Gemini 3.8 Flash funcționează în fundal ca agent intern al simulării. Acesta urmărește permanent cadrele generate, verifică obiectivele utilizatorului și ajută la menținerea coerenței spațiale, împiedicând destrămarea lumii.
Cercetătorii au integrat experimental și Gemini 4 Argon în funcționarea Genie 4. Cu ajutorul acestuia au creat simulări foarte complexe în care un robot se mișca perfect realist, cu membrele care se deplasau exact ca în realitate. Practic au creat un geamăn digital al robotului pentru a simula diverse situații și a-l antrena astfel. Nu este ficțiune: Genie 4 a contribuit într-adevăr în acest mod la antrenarea robotului Apptronik Apollo.
Cercetătorii Google DeepMind consideră că dezvoltarea modelelor de simulare a lumii este una dintre etapele fundamentale pentru atingerea inteligenței artificiale generale (AGI). În viitor aceasta ar putea contribui semnificativ la robotică, la dezvoltarea agenților, la industriile creative, inclusiv producția de filme, și la dezvoltarea jocurilor.
În prezentarea sa, DeepMind a precizat că tehnologia este încă departe de a putea fi folosită pe scară largă. Va mai trece mult timp până când cineva se va așeza la PC și va începe să-și creeze propria lume prin prompt-uri pornind de la o idee de moment, în loc să lanseze jocul preferat, sau va crea un film cu această tehnologie. Scenele mai lungi și modificările succesive duc la destrămarea simulării. Genie 4 încă întâmpină dificultăți cu textele și nu se descurcă nici cu fenomenele fizice complexe decât dacă i se descrie ce trebuie să se întâmple.
Pentru a preveni abuzurile, toate pistele video și audio generate de Genie 4 primesc amprenta digitală „invizibilă” SynthID de la Google. Aceasta permite evitarea sau cel puțin reducerea abuzurilor, deoarece platformele sociale pe care ar putea fi distribuit acest conținut vor marca materialele.
Genie 4 poate fi testat în prezent într-o versiune preliminară destinată cercetării, cu acces limitat. Lansarea pe scară mai largă va avea loc în etape. Cei care plătesc mai mult vor primi acces mai devreme, ceea ce probabil nu va surprinde pe nimeni. Primii vor avea acces abonații Google AI Ultra, dar chiar și aceștia trebuie să aștepte pe o listă de așteptare.
