גוגל חושפת את Genie 4: עולמות וירטואליים אינטראקטיביים בזמן אמת, אבל רק לשתי דקות
DeepMind של גוגל חשפה את Genie 4, "מודל עולם" שמייצר בזמן אמת סביבות תלת-ממדיות אינטראקטיביות עם צליל, דמויות וחוקי פיזיקה. ייתכן שהטכנולוגיה תשנה את הדרך שבה מאמנים רובוטים ומפתחים משחקים. בינתיים העקביות של הסימולציה מחזיקה כשתי דקות בלבד, והמערכת עדיין בשלב מחקרי.
מעבדת DeepMind של גוגל חשפה השבוע את Genie 4 (ג'יני 4). זו מערכת בינה מלאכותית שמייצרת בזמן אמת סביבות תלת-ממדיות פוטו-ריאליסטיות ואינטראקטיביות, כולל דיאלוגים מדוברים והדמיה של חוקי פיזיקה, כך מדווח ynet. זהו הדור הרביעי של "מודל העולם" של גוגל, והוא מסוגל לשמור על עקביות מרחבית במשך כשתי דקות רצופות. זה כפול ממה שהדור הקודם הצליח, אבל עדיין רחוק מסימולציה שאפשר לעבוד בתוכה לאורך זמן.
מה זה מודל עולם
מחולל וידאו רגיל מפיק סרטון שהצופה רק מסתכל בו. Genie 4 לעומת זאת בונה סביבה שאפשר להסתובב בתוכה. המשתמש נע במרחב בעזרת המקלדת, משנה את תנאי השטח בפקודות טקסט בזמן שהסימולציה רצה, ומתקשר עם דמויות ממוחשבות שמגיבות לסביבה. המודל מייצר גם פס קול מתאים: רעשי רקע כמו רוח בעצים או גלים נשברים, מוזיקה ודיאלוגים שמשתנים תוך כדי תנועה. לפי הדיווח, הוא יודע לדמות גם אווירודינמיקה והתנגשויות בין עצמים.
מאחורי הקלעים פועלת ארכיטקטורה היברידית, שמשלבת את Genie עם מודלי שפה של גוגל, ובהם Gemini Omni, Gemini 3.8 Flash ו-Gemini 4 Argon. מודל השפה מתפקד כמעין "במאי": הוא מפרק משימות מורכבות לשלבים לוגיים ובודק את הפריימים שנוצרו. מודל העולם הופך את ההנחיות לפיקסלים.
רובוטים, דמקה ושתי דקות
בהדגמה שהציגה גוגל, השילוב הזה שימש לאימון רובוט דמוי-אדם של חברת Apptronik לשחק דמקה בחדר וירטואלי. המטרה הייתה לבחון תרחישים פיזיים בסביבה מבוקרת לפני שמבצעים אותם בעולם האמיתי. כאן נמצא ככל הנראה עיקר הפוטנציאל המסחרי: אימון רובוטים בעולם הפיזי איטי, יקר ולפעמים מסוכן, וסימולציה שמייצרים לפי דרישה יכולה לחסוך חלק מזה.
הפער בין ההבטחה למציאות ניכר כבר בנתונים. שתי דקות יכולות להספיק לתרחיש ממוקד, כמו קטע הליכה במרחב ציבורי או זיהוי תקלה מסוימת. הן לא מספיקות לעולם משחק שלם או לאימון ממושך. DeepMind עצמה מודה ש-Genie 4 נמצא עדיין בשלב מחקרי. בסימולציות ארוכות או אחרי עריכות רבות המודל סובל מ"זליגה" ויזואלית, מתקשה להציג טקסט קריא, ואובייקטים במרחב לא תמיד נשארים במקומם. בנוסף, הכול תלוי בזמינות של כוח חישוב.
מרוץ עם זווית ישראלית
ההשקה מגיעה בזמן שהתחום מתחמם. אחת המתחרות היא Decart (דקארט) הישראלית, שהוקמה ב-2023 על ידי דין לייטרסדורף, אוריאן לייטרסדורף ומשה שלו. לפי פרסומים מלפני כמה שבועות, החברה מנהלת מגעים מתקדמים להימכר לאמזון תמורת כ-7 מיליארד דולר. לפי ynet, גם אנתרופיק בחנה בעבר רכישה של החברה תמורת 6 מיליארד דולר, אבל העסקה בוטלה לפני כחודש. מודל העולם של Decart נקרא Oasis, ומודל עריכת הווידאו החי שלה נקרא Lucy. לפי ynet, החברה מתמקדת ביעילות חישובית ובשיהוי (latency) נמוך, ובתוכנה שמאפשרת לעבור בין שבבי AI של יצרנים שונים. לפי אותה פרשנות, אמזון רואה ברכישה דרך להציע ללקוחות הענן שלה סימולציות לרובוטיקה על גבי השבבים שלה, בלי להיות תלויה בגוגל ובאנבידיה.
גם שחקנים נוספים פעילים בתחום: Runway השיקה את GWM Worlds 2 עם תמיכה באודיו, AMD רכשה את World Labs של החוקרת פיי-פיי לי תמורת 8.2 מיליארד דולר, ו-Rivian רכשה את Third Dimension לצורכי נהיגה אוטונומית.
למה זה חשוב
החברות הגדולות מתייחסות ככל הנראה למודלי עולם כשלב הבא אחרי מודלי השפה, כלומר מעבר מבינה מלאכותית שמבינה טקסט לבינה מלאכותית שמבינה את העולם הפיזי. Genie 4 מראה עד כמה התחום התקדם, אבל גם כמה רחוק הוא עדיין מסביבות אימון שאפשר לסמוך עליהן לאורך זמן. ייתכן שהשאלה שתכריע את המרוץ היא לא רק כמה מציאותית הסימולציה נראית, אלא כמה זמן היא מחזיקה מעמד וכמה עולה להריץ אותה.