Google разработва най-различни модели на базата на генеративния изкуствен интелект, а един от най-необичайните проекти на компанията е моделът на света Genie. Той привлече сериозно вниманието на широката публика през лятото на 2025 г., когато компанията представи Genie 3 с възможност за създаване на интерактивни графични пространства. Сега вече е тук новата версия, която прави важна крачка напред.

Разработеният от DeepMind Genie 4 е най-добрият модел на света досега. Той вече създава интерактивни среди, които потребителите могат да изследват и променят в реално време с инструкции на естествен език. Всяка промяна се отразява незабавно върху развиващата се симулация и оформя преживяването според желанията на потребителя.

За разлика от предишните поколения Genie 4 вече може да генерира не само картина, но и звук и диалози, с което прави преживяването по-пълноценно.

Както е известно, Genie 4 не е обикновен модел за генериране на видео, а интерактивен симулатор, който създава усещане, много близко до влизането във видеоигра. След въвеждането на произволна подкана потребителят може веднага да се потопи в генерирания свят и да управлява движението и гледната точка с клавиатура и мишка. Докато симулацията продължава, той може свободно да се оглежда във всички посоки и да обхожда пространството.

Отвори галерията

Най-впечатляващата възможност на новия Genie е „управлението в реално време“: потребителят може да променя средата в движение, като въвежда текстови инструкции, докато симулацията работи. Така виртуалното пространство може непрекъснато да се разширява, но могат да се променят и условията в цялата среда. На открито например могат да се сменят времето и частта от денонощието. С команди се променя и позицията на камерата, а по същия начин потребителят може да получава нови инструменти. Донякъде напомня на въвеждането на чит кодове в GTA.

Благодарение на преработената архитектура и усъвършенстването на технологията един свят може да работи по-дълго отпреди, но все още става дума за много кратко време. Потребителите разполагат само с две минути — толкова дълго Genie 4 може да гарантира стабилността и последователността на въображаемата сцена. Това е двойно повече от възможностите на Genie 3 през 2025 г. Трябва да се уточни, че всъщност симулациите вече биха могли да продължават значително по-дълго, но тогава започват грешките, загубата на контекст и други подобни проблеми. Затова Google ограничава използването чрез времето, а не чрез броя токени.

Благодарение на въведеното в Genie 4 генериране на звук всяко виртуално пространство ще има собствена звукова среда. Шумът на вятъра, ромоленето на течащата вода и стъпките се генерират в реално време според действията в симулацията. Така преживяването ще бъде много по-реалистично, а виртуалният свят ще увлича хората още по-силно. Ако в една сцена има няколко души, персонажите няма просто да се разхождат мълчаливо, а ще могат да разговарят помежду си и да се обръщат към потребителя. Интерактивността вече ще обхваща и разговорите, а изреченото също ще влияе върху развитието на света.

Много важно е и наличието на реалистична физика с гравитация и взаимодействия. Моделът на света Genie 4 симулира резултата от сблъсъците между предмети, взаимодействието между вятъра и дърветата и дори движението на водата. Ако листо падне във водата, то ще наруши повърхността ѝ и това ще бъде съпроводено със звук. Ако обаче потребителят нагази в езеро, шумът ще бъде много по-силен, а вълните — значително по-големи.

За стабилната работа на Genie 4 изследователите от DeepMind използват почти всички основни модели Gemini. Gemini Omni създава множество елементи от визуалната среда, например текстури и реалистични модели на поведение. Gemini 3.8 Flash действа като вътрешен агент на симулацията: непрекъснато следи генерираните кадри във фонов режим, проверява целите на потребителя и помага за запазването на пространствената последователност, за да не се разпадне светът.

Изследователите експериментално са включили и Gemini 4 Argon в работата на Genie 4. С негова помощ са създали изключително сложни симулации, в които робот се движи напълно реалистично, а отделните му крайници се държат така, както биха се движили в действителност. На практика са създали цифров близнак на робота за симулиране на различни ситуации, с който могат и да обучават машината. Това не е измислица: Genie 4 действително е допринесъл по този начин за обучението на робота Apptronik Apollo.

Отвори галерията

Според изследователите от Google DeepMind разработването на модели на света е една от основните стъпки към постигането на общ изкуствен интелект (AGI). В бъдеще то може да допринесе значително за роботиката, интелигентните агенти, творческите индустрии (кинопроизводството) и разработката на игри.

В доклада си разработчиците посочват също, че технологията все още е далеч от широко практическо приложение. Ще мине още много време, преди човек да сяда пред компютъра си и вместо да стартира любимата си игра, да започва да създава собствен свят с подкани според моментните си идеи или да прави филм с тази технология. По-дългите сцени и многократните промени водят до разпадане на симулацията. Дори Genie 4 все още среща трудности с текстовете, а сложните физични взаимодействия също не му се удават, освен ако не бъде описано какво трябва да се случи.

За предотвратяване на злоупотреби всички видео- и аудиопотоци, генерирани от Genie 4, получават „невидимия“ цифров отпечатък SynthID на Google. Това позволява злоупотребите да бъдат предотвратени или поне ограничени, защото социалните платформи, в които подобно съдържание би могло да се разпространява, ще го обозначават.

В момента Genie 4 може да бъде изпробван с ограничен достъп като предварителна версия за изследователски цели. По-широкото му въвеждане ще става поетапно и колкото повече плаща потребителят, толкова по-рано ще получи достъп — нещо, което вероятно няма да изненада никого. Първи ще го получат абонатите на Google AI Ultra, но дори те ще трябва да чакат реда си в списък на чакащите.

Абонамент за бюлетина

Коментари: 0

За да напишете коментар, първо влезте в профила си!

Все още няма коментари към тази статия!

Помогнете на другите, като споделите какво мислите за статията.

Свързани статии

Към началото на страницата