موقع IT之家، 28 أكتوبر: أطلقت جوجل ديبمايند يوم الثلاثاء أحدث نموذج عالمي لها، Genie 4، والذي يُعتبر حاليًا في مرحلة المعاينة البحثية. يتمكن هذا النموذج الأحدث من إنشاء عوالم افتراضية تفاعلية ذات واقعية غير مسبوقة، حيث يمكن للمستخدمين إدخال تعليمات لتعديل المشهد أثناء التشغيل التجريبي. كما يستطيع النموذج توليد صوت مباشر مزامن مع العالم الافتراضي، يشمل الموسيقى وصوت البيئة والحوار التفاعلي.

لاحظت IT之家 أنه قبل أشهر فقط من إصدار Genie 4، أطلقت شركة الناشئة في مجال الفيديو بالذكاء الاصطناعي Runway نموذجها الثاني للعالم GWM Worlds 2، وهو نموذج قابل للتشغيل التفاعلي يستطيع الاستجابة ديناميكيًا لمدخلات المستخدم، كما يدعم إنشاء الصوت. في الوقت نفسه، بدأت مسار نماذج العالم في ظهور اتجاهات دمج. تم شراء مختبر العالم (World Labs) الذي أسسه في-في لي (Fei-Fei Li) من قبل AMD، وتقوم أمازون بإجراء مفاوضات لشراء Decart، بينما استحوذت Rivian مؤخرًا على Third Dimension لبناء قدرات محاكاة داخلية لاختبار القيادة الذاتية.
Launch of Genie 4, Google's latest move to stay ahead in a highly competitive赛道.
قبل أكثر من عام، أطلقت جوجل النموذج السابق Genie 3 في شكل مراجعة بحثية. بالإضافة إلى تحسين كبير في واقعية الصور وإضافة قدرات صوتية، يدعم Genie 4 عمليات تحرير حرة، مثل تعديل الطقس وزاوية الكاميرا في الوقت الفعلي، أو إضافة شخصيات وكائنات جديدة. ويمكنه الحفاظ على مشهد متماسك لمدة تصل إلى دقيقتين، أي ضعف مدة النموذج السابق، مع أداء فيزيائي أفضل وشخصيات افتراضية أكثر واقعية.
كما زادت درجة تكامل النموذجين الكبيرين من جوجل، Gemini وGenie 4، حيث يعمل Gemini كمخرج، مسؤول عن تخطيط الخطوات والتحقق من إطارات الصورة، بينما يتحمل Genie 4 مسؤولية إنشاء المحتوى البصري. في تجربة بحثية مرتبطة بمشروع روبوت Gemini، قام نموذج Gemini 4 Argon بتفكيك المهمة إلى خطوات متعددة، ثم قام Genie 4 بمحاكاة هذه الخطوات في الوقت الفعلي. وتُظهر هذه التجربة حلاً قابلاً للتطبيق: التحقق من السيناريوهات ذات الصلة في بيئة محاكاة قبل إجراء اختبارات الروبوتات في العالم الحقيقي.
قال مدير أبحاث جوجل، تي جاس كولكارني، خلال مؤتمر إعلامي: "سنرى في المستقبل مزيدًا من نماذج العالم المختلطة هذه، حيث يكتب Gemini الكود والنص، ويفهم Genie 4 هذه المحتويات في الوقت الفعلي، ومحاكاة الواقع على مستويات تجريد مختلفة."
كما هو الحال مع نماذج عالمية أخرى، تشمل السيناريوهات التجارية الرئيسية التي تُروّج لها مجالات الألعاب والتعلم التفاعلي والروبوتات. أحد الأمثلة المقترحة للتعلم التفاعلي هو دخول المستخدم إلى لوحة تصور مشهدًا تاريخيًا والتفاعل مع الشخصيات في اللوحة حول الأحداث الموثقة فيها.
ومع ذلك، اكتشف "المختبرون الموثوقون" — وهما أول المستخدمين القادرين على تجربة منتجات جوجل الرائدة — استخدامًا جديدًا محتملاً: إعداد نماذج أفلام.
قال مهندس جوجل ديب مايند، دييغو ريفاس، في مؤتمر صحفي: "تتجلى قيمة الميزات في الوقت الحقيقي بشكل خاص في السيناريوهات التي تتطلب الحفاظ على تدفق إبداعي متسق، مثل مراحل توليد الأفكار وكتابة السيناريو المرئي، وكل المراحل التي تتطلب إنتاجًا سريعًا للأفكار."
كما أطلقت جوجل نموذج توليد الفيديو بالذكاء الاصطناعي Veo، الذي يمكنه إنشاء مقاطع فيديو عالية الدقة بناءً على نصوص أو صور أو إشارات فيديو، مع صوت مزامن مدمج، وقد زادت شعبية هذه الأداة باستمرار بين منتجي الأفلام.
أضاف ريفاس أن المستخدمين من المتوقع أن يتمكنوا مستقبلاً من استخدام نموذج Gemini Omni متعدد الأوضاع لتحويل المواد الأولية إلى أصول إبداعية رسمية، حيث يمكن لـ Gemini متعدد الأوضاع توليد مقاطع فيديو بناءً على الصور والصوت والنص. لكنه أشار أيضًا إلى أن هذه القدرات لا تزال تبعد عن التطبيق العملي مسافة ما.
خلال المؤتمر الصحفي بأكمله، أكّد ريفاس مرارًا وتكرارًا أن Genie 4 لا تزال في مراحلها المبكرة من التطوير، ولم يُحسم بعد شكل التجربة النهائية للمنتج الكامل. كما اعترف الفريق بوجود ثغرات في Genie 4: فكلما طال وقت تشغيل المحاكاة، زاد احتمال حدوث انحرافات في التفاصيل والأشياء، ولم يجد الفريق بعد طريقة موثوقة لضمان دقة الصوت مع وضوح النصوص في العالم الافتراضي.
حاليًا، تم فتح إصدار البحث التجريبي لـ Genie 4 أمام المختبرين الموثوقين. خلال الأسابيع القادمة، سيتم توسيع الوصول إلى مستخدمي اشتراك Google AI Ultra ومشروع Genie، وهو مشروع من Google يُنشئ عوالم افتراضية تفاعلية بناءً على إشارات نصية أو صور، كما سيحصل الشركاء المبكرون لواجهة برمجة التطبيقات (API) لـ Gemini وGoogle AI Studio على صلاحيات الاستخدام.
