智通財経APPによると、グーグルの親会社であるAlphabet(GOOGL.US、GOOG.US)は火曜日、文字による指示に基づいてリアルタイムでより現実的なインタラクティブな仮想環境を生成し、ユーザーが探索中にシーンを動的に変更できる次世代AIワールドモデル「Genie 4」を発表しました。この技術の最新進展により、AIが電子ゲーム開発のモデルを変える可能性に対する市場の関心が再び高まっています。今年早々、グーグルが関連技術を初めて公開した際、複数のゲーム企業の株価が大幅に下落しました。
Genie 4は、グーグルの人工知能研究部門であるGoogle DeepMindが開発した。ユーザーはテキストのプロンプトを入力するだけで、自由に探索可能な仮想世界を作成でき、キーボードでその中を移動できる。従来のAI動画生成ツールとは異なり、Genie 4は映像を生成するだけでなく、ユーザーの操作に応じて仮想環境をリアルタイムで調整し、より高いインタラクティビティを実現する。
また、ユーザーは仮想世界の実行中に新しいテキストコマンドを入力することで、天候を調整したり新しいキャラクターを追加したりしながら、環境全体を再生成することなくシーンを変更できます。前世代のGenie 3と比較して、Genie 4はシミュレーション時間とマルチモーダル生成能力の両方で向上しています。
グーグルは、Genie 4が生成するインタラクティブな仮想環境が最長2分間継続可能であり、Genie 3の約2倍であると述べています。また、Genie 4は、このシリーズで初めて画像と音声を同期して生成できるモデルであり、環境音響、音楽、およびユーザーの操作に応答するキャラクターの会話に対応しています。
現在、GoogleはGenie 4を研究プレビュー版として、限定された信頼できるテストユーザーに提供しています。今後数週間で、同社は最高レベルのGoogle AI Ultra有料プランにサブスクライブしているユーザー、およびGoogle AI StudioとGemini APIを使用してアプリケーションを開発している開発者にも、このモデルを拡大して提供する予定です。
「世界モデル」(World Model)とは、環境及其の動的変化をシミュレートする人工知能システムを指す。従来のテキスト生成動画モデルが事前に生成された動画コンテンツを出力するのに対し、世界モデルはユーザーのリアルタイムの操作に応じて仮想シーンを継続的に生成・調整できる。この技術は、電子ゲーム開発、映画・テレビ制作、仮想環境設計、ロボット訓練などの分野への応用が期待されている。
今年1月、GoogleがGenie 3によって駆動されるProject Genieのプロトタイプを初公開した際、ウォールストリートでは電子ゲーム業界の将来に対する懸念が広がった。AI生成型バーチャルワールド技術が従来のゲーム開発プロセスを破壊する可能性に対する投資家の懸念から、複数のゲーム関連企業の株価は当時大幅に下落した。
Genie 4がリアルタイムインタラクションとマルチモーダル生成能力をさらに向上させるにつれ、AI技術がゲームコンテンツの生産方法を変える可能性に対する市場の関心が高まっています。
人工知能分野で、グーグルはOpenAIやAnthropicなどの競合企業から激しい挑戦を受けている。しかし、最近リリースされたGemini 4 Argonモデルにより、市場はグーグルが競合との技術的差を縮めていると評価している。
一方で、世界モデルとマルチモーダルAIは長年にわたり、Googleの重要な技術的優位性とされてきた。マルチモーダル技術は、人工知能がテキスト、画像、音声、動画などの異なる種類の情報を同時に処理できるようにし、世界モデルはさらにこれらの能力を動的環境のシミュレーションに応用する。
注目すべきは、Genie 4がGeminiモデルを活用して、バーチャルワールドの一貫性とインタラクションの品質を向上させていることです。Googleの公式ブログによると、Genie 4がバーチャルシーンを生成する際、Geminiは新しく生成された画像を継続的に監視し、ユーザーが達成したい目標を理解して、それを一連の具体的なステップに分解した後、関連する操作が既に実行されたかどうかを確認します。
このメカニズムは、モデルがユーザーの意図をより正確に理解し、動的に生成された仮想環境内で一定程度の論理的整合性を維持するのに役立ちます。グーグルは、開発チームがGemini 4 Argonモデルを試したが、現在Genie 4のリアルタイムインタラクション体験は、計算効率が高いGemini 3.8 Flashモデルによって主にサポートされていると述べています。
実用面では、Googleはゲーム開発者や映画制作者を含むテスト担当者を招き、Genie 4を体験し、初期のアイデアを迅速にインタラクティブなバーチャルプロトタイプに変換する方法や、AIが生成したシーンのスケッチをコンテンツ制作に活用する方法を探っています。
また、グーグルは世界モデルをロボットのトレーニングに適用できるかどうかを研究しています。さまざまな環境や物理シナリオをシミュレーションすることで、この技術は将来的にロボットがバーチャルワールドで行動を学習しテストするのを支援する可能性があります。
しかし、グーグルは、これらの潜在的な応用が広く採用されるかどうかは現時点で不明であると強調しています。Genie 4が電子ゲーム業界に与える影響について、グーグル・ディープマインドの製品マネージャーであるディエゴ・リバスは、ニュースブリーフィングで、同社がパートナーと協力して、この技術を既存のワークフローにどのように統合し、その実際の能力の限界がどこにあるかを研究していると述べました。
リバスは、Googleが従来のコンテンツ作成方法を単に置き換えるのではなく、世界モデル技術を通じて既存ツールの機能をさらに拡張することを目指していると指摘した。Genie 4は顕著な進歩を遂げたが、Googleはこのモデルがまだ実験段階にあり、成熟した商業製品にはまだ距離があると認めている。
現在、バーチャルシーンの実行時間が長くなるにつれて、モデルが生成する視覚的詳細や物体は依然として変化し、環境の一貫性に影響を与える可能性があります。
Google DeepMindの研究エンジニア、Hang Qiは、Genie 4が最大2分間のシミュレーションをサポートできるとしても、その間中、シナリオ全体が完全に一貫しているとは限らないと述べた。さらに、複雑な物理的相互作用、明確に読み取れるテキストの生成、および長時間にわたる仮想世界の安定性の維持など、さらなる改善が必要である。
DeepMindの研究責任者であるTejas Kulkarniは、仮想世界をたった2分間でも完全に一貫して維持するには、モデルが現実世界の物理法則を真正に理解する必要があると指摘した。
リバスはまた、2分間のシミュレーション期間には依然として明確な制限があり、Genie 4は現在、最終製品開発段階ではなく、主に技術研究と探索段階にあると述べた。
AI生成コンテンツの識別とセキュリティに関して、グーグルは、Genie 4が生成するすべてのオーディオおよびビデオにSynthIDの不可視デジタルウォーターマークを埋め込むことで、AI生成コンテンツの識別を支援すると述べました。
全体として、Genie 4のリリースは、GoogleがリアルタイムインタラクティブAIワールドモデルの分野で新たな進展を遂げたことを示しています。現在はシミュレーション時間、物理的一貫性、生成品質などの技術的制約に直面していますが、その実現した能力は、ゲーム開発、映画・テレビ制作、ロボット訓練などの業界の将来の方向性に対する市場の注目を引き起こしています。
グーグルがGenie 4のテスト範囲を段階的に拡大するにつれ、市場は、世界モデル技術が実験的なツールから実用的で商業的価値のある製品へと発展できるかどうか、また従来のゲーム開発やデジタルコンテンツ制作のモデルにさらに深い影響を及ぼすかどうかに注目するようになる。
