Google DeepMind أصدرت يوم الثلاثاء نموذج العالم الأحدث Genie 4 في شكل معاينة بحثية. يمكن لهذا النموذج إنشاء أكثر العوالم الافتراضية واقعية وتفاعلية حتى الآن، حيث يمكن للمستخدمين إدخال كلمات مفتاحية لتغيير المشهد في الوقت الفعلي أثناء عملية المحاكاة، كما يمكن للنموذج أيضًا توليد صوت فوري يتناسب مع البيئة الافتراضية، بما في ذلك الموسيقى، الضوضاء البيئية، والحوار التفاعلي.
بالمقارنة مع الجيل السابق Genie 3 الذي تم إصداره قبل أكثر من عام، فإن التقدم في Genie 4 واضح: الصور أكثر واقعية، تم إضافة الصوت، ويدعم التحرير الحر، بما في ذلك تغيير الطقس في الوقت الفعلي، وضبط زوايا الكاميرا، أو إضافة شخصيات وأشياء جديدة إلى المشهد. يمكنه الحفاظ على مشهد متماسك لمدة تصل إلى دقيقتين، وهو ضعف الحد الأقصى للجيل السابق، كما أن الأداء الفيزيائي أكثر دقة، وحركات الشخصيات أقرب إلى الواقع.
التقدم الكبير لـ Genie 4 في إنشاء العوالم الافتراضية
التكامل بين Gemini و Genie 4 أصبح أكثر عمقًا. في العملية الكاملة، يقوم Gemini بدور "المخرج"، مسؤولًا عن تخطيط الخطوات، وفحص الصور إطارًا بإطار، بينما يتولى Genie مسؤولية إنشاء المحتوى البصري. في تجربة بحثية مرتبطة بـ Gemini Robotics، قام نموذج Gemini 4 Argon بتفكيك المهمة إلى خطوات، وتمت محاكاتها في الوقت الفعلي بواسطة Genie 4، مما عرض مسارًا قابلًا للتطبيق: حيث يقوم الروبوت بالتحرك في العالم الحقيقي بعد إتمام التحقق في البيئة الافتراضية.
قال Tejas Kulkarni، مدير الأبحاث في Google، خلال مؤتمر صحفي: "سنرى المزيد والمزيد من هذه النماذج المختلطة في المستقبل - حيث يتولى Gemini كتابة التعليمات البرمجية والنصوص، بينما يتلقى Genie المعلومات في الوقت الفعلي ويقوم بمحاكاة الواقع على مستويات تجريدية مختلفة." تتضمن السيناريوهات التجارية المستهدفة لـ Genie 4 مجالات مثل الألعاب، التعلم التفاعلي، والروبوتات. وقد قدمت وسائل الإعلام مثالًا تخيليًا للتعلم التفاعلي: إدخال لوحة تاريخية إلى النظام، ثم التفاعل مباشرة مع الشخصيات الموجودة في اللوحة لفهم الأحداث وراء الصورة.
بينما أشار "المختبرون الموثوقون" الذين حصلوا على فرصة تجربة النموذج إلى استخدام محتمل آخر - وهو إنتاج النماذج الأولية للأفلام. أوضح مهندس Google Diego Rivas قائلاً: "أكثر الأماكن قيمة للزمن الفوري هي تلك التي تحتاج إلى الحفاظ على تدفق الإبداع متماسكًا، مثل مرحلة التفكير، ومرحلة اللوحات القصصية - كل لحظة تحتاج إلى تقديم أفكار بسرعة." كما قدم، أن نموذج Google لإنشاء الفيديوهات عالية الدقة Veo أصبح شائعًا بين صانعي الأفلام، وفي المستقبل قد يتمكن المستخدمون من تحويل هذه النماذج الأولية إلى مواد إبداعية باستخدام نموذج Gemini Omni متعدد الوسائط، الذي يجمع بين الصور، الصوت، والنص لإنشاء الفيديوهات، رغم أن هذه القدرات لا تزال بعيدة عن التطبيق العملي.