أصدر Google DeepMind أحدث نموذج عالمي له، Genie 4، كمعاينة بحثية يوم الثلاثاء. يُنتج أحدث طراز العوالم الأكثر واقعية وتفاعلية حتى الآن، مما يسمح للمستخدمين بإدخال المطالبات في منتصف المحاكاة لتغيير المشاهد. يُنشئ النموذج أيضًا صوتًا في الوقت الفعلي يطابق العالم المُحاكى، بما في ذلك الموسيقى والضوضاء المحيطة والحوار التفاعلي.

يأتي إصدار Genie 4 بعد أشهر قليلة من بدء تشغيل الفيديو، حيث أصدرت AI Runway نموذجها العالمي الثاني، GWM Worlds 2، وهو نموذج قابل للتشغيل يستجيب ديناميكيًا لإدخال المستخدم ويتضمن إنشاء الصوت. في الوقت نفسه، بدأت صناعة النمذجة العالمية في التوحيد. استحوذت AMD على Fei-Fei Li's World Labs، وتجري Amazon محادثات لشراء Decart، واستحوذت Rivian للتو على Third Dimension لجلب إمكانات المحاكاة الداخلية لاختبار القيادة الذاتية. 

Genie 4 هي أحدث مبادرة من Google للبقاء في الطليعة في هذا المجال المزدحم للغاية. 

أصدرت Google النسخة السابقة لها، Genie 3، كمعاينة بحث منذ أكثر من عام بقليل. بالإضافة إلى كونه أكثر واقعية من حيث الصور ويتميز بالصوت، فإن Genie 4 يسمح بإجراء تعديلات حرة الشكل، مثل تغيير الطقس أو زاوية الكاميرا في الوقت الفعلي أو إضافة أشخاص أو كائنات جديدة. يمكنها الحفاظ على مشهد متماسك لمدة تصل إلى دقيقتين، وهو ضعف الحد السابق، وتقدم فيزياء أفضل وشخصيات أكثر إنسانية. 

Gemini، نموذج الذكاء الاصطناعي من Google، يتكامل أيضًا بشكل وثيق مع Genie 4، حيث يعمل كمخرج يخطط للخطوات ويتحقق من الصور بينما يقوم Genie بإنشاء العناصر المرئية. في تجربة بحثية متعلقة بـ Gemini Robotics، قام نموذج Gemini 4 Argon بتقسيم المهام إلى خطوات قام Genie 4 بمحاكاتها في الوقت الفعلي. تُظهر التجربة طريقة محتملة لاختبار سيناريوهات الروبوت في المحاكاة قبل حدوثها في العالم الحقيقي.

"ما سنراه أكثر فأكثر في المستقبل هو نماذج العالم الهجين هذه، حيث يكون لديك مزيج من التعليمات البرمجية والنص المكتوب بواسطة جيميني، وتستوعب الجني ذلك في الوقت الفعلي ومحاكاة الواقع على مستويات مختلفة من التجريد،" كما قال تيجاس كولكارني، مدير الأبحاث في جوجل خلال مؤتمر صحفي. 

كما هو الحال مع النماذج العالمية الأخرى، تتضمن حالات الاستخدام التجاري المقترحة الألعاب والتعلم التفاعلي والروبوتات. أحد الأمثلة التأملية للتعلم التفاعلي هو الدخول إلى لوحة تصور مشهدًا تاريخيًا والتحدث مع موضوعات اللوحة حول الحدث المصور.

لكن "المختبرين الموثوق بهم" (أي الأشخاص الذين لديهم حق الوصول أولاً إلى منتجات Google المتطورة) يشيرون إلى استخدام جديد محتمل: النماذج الأولية.

قال دييغو ريفاس، مهندس Google DeepMind، خلال مؤتمر صحفي: "يصبح جانب الوقت الفعلي أكثر قيمة في المجالات التي يصبح فيها الحفاظ على حالة التدفق في مساحة الإبداع مفيدًا بشكل لا يصدق". "على سبيل المثال، في مرحلة التفكير، في مرحلة القصة المصورة، عندما تحتاج إلى تفكير سريع. "

تقدم Google أيضًا Veo، وهو نموذج إنشاء فيديو يعمل بالذكاء الاصطناعي والذي ينشئ مقاطع عالية الوضوح مع صوت متزامن مضمن من مطالبات النص أو الصورة أو الفيديو - وهي أداة تزداد شعبيتها بين صانعي الأفلام.

أضاف ريفاس أنه يمكن للمستخدمين الاعتماد في النهاية على Gemini Omni، وهو نموذج لغة كبير متعدد الوسائط قادر على إنشاء مقاطع فيديو من الصور والصوت والنصوص، لتحويل هذه النماذج الأولية إلى أصول إبداعية. على الرغم من أن هذه القدرات، كما قال، لا تزال بعيدة المنال، كيف ستكون تجربة المنتج الشامل. أقر الفريق أيضًا أن Genie 4 لا تزال بها فجوات: يمكن أن تنحرف التفاصيل والأشياء كلما طالت مدة المحاكاة، وما زالوا لم يتوصلوا إلى كيفية التأكد من أن الصوت سيكون دقيقًا وأن أي نص في العالم سيكون قابلاً للقراءة.

Genie 4 متاح الآن كمعاينة بحثية. مختبرون موثوقون. في الأسابيع المقبلة، سيتم طرح النموذج لمشتركي Google AI Ultra في Project Genie، أداة الذكاء الاصطناعي من Google لإنشاء عوالم تفاعلية من المطالبات النصية أو الصورية، بالإضافة إلى شركاء الوصول المبكر Gemini API وGoogle AI. الاستوديو.