Google DeepMind أطلقت يوم الثلاثاء نموذجها العالمي الأحدث Genie 4 في شكل معاينة بحثية. يتميز هذا النموذج بقدرته على 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، وتم إضافة الصوت، ويدعم التحرير الحر، بما في ذلك تغيير الطقس في الوقت الفعلي، وضبط زاوية 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 في توليد العوالم الافتراضية بواسطة Genie 4
التكامل بين Gemini وGenie 4 أصبح أكثر عمقًا. في العملية الكاملة، يتولى Gemini دور "المخرج"، مسؤولًا عن تخطيط الخطوات، وفحص الصور إطارًا بإطار، بينما يتولى Genie مسؤولية توليد 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 قابلاً للتطبيق: حيث يقوم الروبوت بإجراء العمليات في العالم الحقيقي بعد التحقق منها في بيئة المحاكاة.
قال مدير الأبحاث في Google Tejas Kulkarni خلال مؤتمر صحفي: "سنرى المزيد من هذه النماذج العالمية المختلطة في المستقبل - حيث يتولى Gemini كتابة الشيفرات والنصوص، بينما يتلقى Genie المعلومات في الوقت الفعلي ويقوم بمحاكاة الواقع على مستويات تجريدية مختلفة." مثل نظرائه في نماذج العالم، تشمل السيناريوهات التجارية المستهدفة لـ Genie 4 الألعاب، التعلم التفاعلي، والروبوتات. وقد قدمت وسائل الإعلام مثالًا تخيليًا للتعلم التفاعلي: إدخال لوحة تاريخية في النظام، ثم التحدث مباشرة مع الشخصيات الموجودة في اللوحة لفهم الأحداث وراء الصورة.
بينما أشار "المختبرون الموثوقون" الذين حصلوا على فرصة التجربة الأولى إلى استخدام محتمل آخر - وهو إنتاج النماذج الأولية في مرحلة ما قبل الإنتاج السينمائي. أوضح مهندس Google Diego Rivas قائلاً: "أكثر الأماكن قيمة في الفورية هي تلك التي تحتاج إلى الحفاظ على تدفق الإبداع متماسكًا، مثل مرحلة التفكير، ومرحلة القصة - كل لحظة تحتاج إلى إنتاج أفكار بسرعة." كما قدم، أن نموذج توليد الفيديو عالي الدقة من Google Veo أصبح شائعًا بين صناع الأفلام، وقد يتمكن المستخدمون في المستقبل من استخدام نموذج Gemini Omni متعدد الوسائط، الذي يجمع بين الصور، الصوت، والنص لتوليد الأفلام، لتحويل هذه النماذج الأولية إلى مواد إبداعية، على الرغم من أن هذه القدرات لا تزال بعيدة عن التطبيق الفعلي.