Google DeepMind predstavio Genie 4, world model s realističnijom fizikom i govorom

Google DeepMind predstavio je Genie 4, novu verziju svog world modela — tehnologije koja na zahtjev korisnika generiše interaktivne virtuelne svjetove, bez unaprijed programiranih okruženja. Svijet se stvara kadar po kadar, u realnom vremenu, dok ga korisnik istražuje.

Prošle godine otkrivanje world modela Genie 3 izazvalo je pad vrijednosti akcija gaming kompanija, a od tada su world modelovi postali glavni fokus AI laboratorija širom svijeta. Prema Googleu, world modelovi su ključni element na putu ka opštoj vještačkoj inteligenciji (AGI). DeepMind ističe da bi takva tehnologija mogla poslužiti za stvaranje neograničenog broja okruženja za obuku fizičkih robota ili za brzo prototipiranje u kreativnim industrijama.

Bolja fizika i prvi zvuk

Genie 4 donosi nekoliko poboljšanja u odnosu na prethodnika. Kao vodič koristi Googleov model Gemini 3.8 Flash, koji rastavlja ciljeve i ocjenjuje svaki generisani kadar, čime simulacija ostaje na pravom tragu pri kretanju kroz različita okruženja. Ipak, DeepMind upozorava da svjetovi u Genie 4 zadržavaju dosljednost tek nekoliko minuta prije nego što "zaborave" kako su počeli.

Kao i Genie 3, novi model omogućava izmjenu parametara tokom simulacije — korisnik može promijeniti vrijeme, dodati elemente ili pomjeriti kameru, a Gemini pomaže u usmjeravanju simulacije pri svakoj izmjeni. DeepMind tvrdi da je Genie 4 postigao novi nivo realizma u fizici, uključujući aerodinamiku i sudare, dok se likovi u simulacijama prirodnije kreću i reaguju na promjene u okolini.

Genie 4 je ujedno prvi DeepMindov world model s ugrađenim zvukom — simulacije imaju ambijentalne pozadinske zvukove, a korisnik može specificirati zvučne elemente u upitu. Najveći iskorak, ako se pokaže uspješnim, jest interaktivni govor: Genie 4 bi, prema obećanjima DeepMinda, trebao generisati dijaloge koji se prilagođavaju promjenama u simulaciji.

Kada i po kojoj cijeni

DeepMind navodi da su world modelovi i dalje aktivno istraživačko područje, podsjećajući da se Genie 3 nikada nije proširio van vrlo ograničenog Project Genie web iskustva. Tim je radio s malom grupom povjerljivih testera, a pristup Genie 4 uskoro će početi da se širi, iako preciznog rasporeda još nema.

Developeri će model moći koristiti preko Gemini API-ja i AI Studija, ali cijene još nisu poznate. Obični korisnici dobit će pristup fazno, preko najskupljih Googleovih AI Ultra pretplata koje počinju od 100 dolara mjesečno. Google eventualno može proširiti pristup i na AI Pro i AI Plus pakete. Sve će ići kroz Project Genie, koji ograničava obim korištenja, a zainteresovani korisnici mogu se upisati na listu čekanja za rani pristup.