DeepMind חושפת את Genie 4: מודל עולם עם אודיו, עולמות מציאותיים יותר ועריכה בזמן אמת
גוגל הכריזה על Genie 4, הדור החדש של מודל העולם שמחולל סביבות אינטראקטיביות. המודל מפיק גם אודיו, מאפשר לשנות את העולם בשפה טבעית תוך כדי ריצה ונשען על Gemini 3.8 Flash. הוא נפתח קודם כ"תצוגת מחקר" לבודקים נבחרים, ובהמשך יגיע למפתחים ולמנויי Google AI Ultra.
גוגל ו-DeepMind הכריזו היום על Genie 4, הדור הבא של מודל העולם (world model) שלהן. מדובר במערכת AI שמחוללת סביבות אינטראקטיביות שאפשר לנוע ולפעול בתוכן. לפי The Verge, יש בגרסה החדשה ארבעה שדרוגים מרכזיים: עולמות מציאותיים יותר, אפשרות לשנות את החוויה בזמן אמת באמצעות הנחיה בשפה טבעית, יצירת אודיו שמלווה את העולם, ושימוש ב-Gemini 3.8 Flash "מתחת למכסה המנוע" כדי לסייע בסימולציות.
מה השתנה מ-Genie 3
מודל עולם הוא סוג של מודל AI שלא מסתפק בהפקת תמונה או סרטון. הוא מנסה לדמות סביבה שלמה שמגיבה לפעולות המשתמש, פחות או יותר כמו משחק וידאו שנוצר תוך כדי משחק. בגרסה הקודמת, Genie 3, החוויות היו מוגבלות לדקה בערך. לפי The Verge, ב-Genie 4 הן נמשכות כשתי דקות.
התוספת הבולטת היא העריכה בזמן אמת: המשתמש יכול לשנות את העולם בזמן שהוא כבר רץ, באמצעות הנחיה מילולית ובלי להתחיל מחדש. גם האודיו חדש. עד עכשיו הסימולציות היו שקטות, ועכשיו המודל מפיק גם פסקול שמתאים לעולם. לפי Ars Technica, השיפור בריאליזם כולל גם דמויות אנושיות שנראות מציאותיות יותר.
למי זה מיועד
גוגל מציגה את Genie 4 ככלי שיכול לשמש לכמה דברים: הדמיה מוקדמת (pre-visualization) ליוצרי קולנוע, בניית אבות-טיפוס לרעיונות למשחקים ויצירת תרחישי אימון לרובוטים. החברה גם מודה במגבלה: ככל שהסימולציה נמשכת זמן רב יותר, פרטים בעולם ו"קביעות האובייקטים" (object permanence, היכולת של חפץ להישאר במקומו ובצורתו גם כשהמצלמה מתרחקת וחוזרת) עלולים להשתנות.
זמינות
המודל עדיין לא פתוח לציבור. לפי The Verge, הוא יוצא קודם כ"תצוגת מחקר" (research preview) ל"בודקים מהימנים" (trusted testers). גוגל אומרת שהוא יגיע "בקרוב" למנויי Google AI Ultra, החבילה היקרה ביותר שלה. לפי Ars Technica, המודל ייפתח בקרוב גם למפתחים. בינתיים פתחה החברה רשימת המתנה, ומי שנרשם יוכל לנסות את המודל דרך Project Genie, הממשק שהתבסס עד כה על Genie 3.
בשלב זה אין עדיין התרשמות עצמאית מהמודל. כתב The Verge ציין שלא הספיק לנסות אותו בעצמו, והדוגמאות שפורסמו הן של גוגל.
למה זה חשוב
מודלי עולם הם כנראה אחד הכיוונים שמעבדות ה-AI הגדולות מהמרות עליהם בתור הצעד שאחרי מודלי השפה ומחוללי הווידאו. הם רלוונטיים לבידור, וכנראה עוד יותר לאימון רובוטים ומערכות אוטונומיות בסביבות מדומות, כי זה זול ובטוח יותר מאימון בעולם האמיתי. הכפלת משך הסימולציה, האודיו והעריכה בשפה טבעית מקרבים את Genie לכלי עבודה מעשי. עם זאת, האזהרה של גוגל עצמה על עקביות העולם לאורך זמן מרמזת שהמגבלה הבסיסית של הטכנולוגיה, שמירה על עולם יציב וקוהרנטי, עדיין לא נפתרה. ההשוואה האמיתית ל-Genie 3 תתאפשר רק כשמשתמשים מחוץ לגוגל יקבלו גישה.