IT Home, 28 Oktober, melaporkan bahawa Google DeepMind melancarkan model dunia terbaharu, Genie 4, pada hari Selasa, yang kini berada dalam peringkat pra-pelihatannya. Model terbaharu ini mampu menghasilkan dunia maya paling realistik dan boleh diperinteraksi sehingga kini, di mana pengguna boleh memasukkan petunjuk semasa simulasi untuk mengubah adegan. Model ini juga mampu menghasilkan audio masa nyata yang disegerakkan dengan dunia maya, termasuk muzik, bunyi persekitaran, dan perbualan interaktif.

IT Home memperhatikan bahawa beberapa bulan sebelum pelancaran Genie 4, syarikat permulaan video AI Runway melancarkan model dunia kedua mereka, GWM Worlds 2, sebuah model yang boleh dijalankan secara interaktif dan mampu memberi respons dinamik terhadap input pengguna, sambil menyokong penghasilan audio. Sementara itu, bidang model dunia mula menunjukkan trend penggabungan. World Labs yang ditubuhkan oleh Fei-Fei Li telah diambil alih oleh AMD, Amazon sedang berunding untuk mengambil alih Decart, dan Rivian baru-baru ini mengambil alih Third Dimension untuk membina kemampuan simulasi dalaman bagi ujian autonoma.
Melancarkan Genie 4, langkah terbaru Google untuk kekal terdepan dalam persaingan sengit.
Lebih daripada satu tahun yang lalu, Google telah memperkenalkan model sebelumnya, Genie 3, dalam bentuk pra-pelajaran. Selain peningkatan signifikan dalam realisme visual dan penambahan kemampuan audio, Genie 4 menyokong operasi suntingan bebas, seperti menyesuaikan cuaca, sudut kamera, atau menambahkan orang dan objek secara langsung. Ia mampu mempertahankan adegan yang lancar selama dua minit, iaitu dua kali ganda tempoh model sebelumnya, dengan prestasi fizikal yang lebih baik dan watak maya yang lebih mendekati manusia sebenar.
Integrasi model besar Google, Gemini dan Genie 4, juga ditingkatkan lebih lanjut, di mana Gemini bertindak sebagai pengarah, bertanggung jawab merancang langkah-langkah dan memeriksa kerangka gambar, sementara Genie 4 bertanggung jawab menghasilkan kandungan visual. Dalam satu eksperimen penyelidikan yang berkaitan dengan projek robot Gemini, model Gemini 4 Argon membahagikan tugas kepada beberapa langkah, kemudian Genie 4 menjalankan simulasi secara masa nyata. Eksperimen ini menunjukkan satu penyelesaian yang mungkin: mengesahkan skenario berkaitan dalam persekitaran simulasi sebelum menguji robot di dunia nyata.
Pengarah penyelidikan Google, Tejas Kulkarni, mengatakan dalam satu sidang maklumat: "Di masa depan, kita akan semakin sering melihat model dunia hibrida seperti ini, di mana Gemini menulis kod dan teks, manakala Genie 4 membaca kandungan tersebut secara masa nyata, mensimulasikan realiti pada pelbagai peringkat abstrak."
Seperti model dunia lain, skenario komersial utama yang ditonjolkan termasuk permainan, pembelajaran interaktif, dan bidang robotik. Satu contoh bayangan pembelajaran interaktif ialah pengguna memasuki sebuah lukisan yang menggambarkan adegan sejarah, lalu berinteraksi dengan tokoh-tokoh dalam lukisan tersebut mengenai peristiwa yang direkam di dalamnya.
Namun, "penguji tepercaya" — pengguna pertama yang dapat menguji produk terkini Google — menemukan penggunaan baru yang berpotensi: pembuatan prototip filem.
Jurutera Google DeepMind, Diego Rivas, berkata dalam sidang media: "Nilai ciri masa nyata paling jelas terlihat dalam skenario yang memerlukan pemeliharaan aliran kreatif yang selari, seperti fasa penghasilan idea, fasa senario adegan, dan semua fasa yang memerlukan percikan idea pantas."
Google juga telah melancarkan model penghasil video AI bernama Veo, yang mampu menghasilkan video berkualiti tinggi berdasarkan petunjuk teks, gambar, atau video, dengan audio yang disegerakkan secara automatik. Alat ini terus meningkat popularitinya di kalangan pencipta filem.
Rivas menambahkan bahawa pengguna di masa depan dijangka dapat menggunakan model bahasa besar multimodal Gemini Omni untuk menukar bahan prototaip menjadi aset kreatif rasmi, di mana Gemini multimodal boleh menghasilkan video berdasarkan gambar, audio, dan teks. Namun, beliau juga menyebut bahawa kemampuan-kemampuan ini masih jauh daripada pelaksanaan.
Sepanjang sidang persembahan, Rivas berulang kali menekankan bahawa Genie 4 masih berada dalam peringkat awal pembangunan, dan pengalaman akhir produk yang lengkap belum ditentukan. Pasukan juga mengakui bahawa Genie 4 masih mempunyai kelemahan: semakin lama masa simulasi, semakin mudah butiran dan objek menyimpang, dan pasukan belum menemui kaedah yang stabil untuk menjamin keakuratan audio sambil memastikan teks di dunia maya dapat dibaca dengan jelas.
Sekarang, Genie 4 telah dibuka untuk ujian percubaan oleh peserta tepercaya. Dalam beberapa minggu mendatang, model ini akan diperkenalkan bertahap kepada pengguna langgan AI Ultra Google, projek Genie, yang merupakan alat AI yang dikeluarkan oleh Google untuk menghasilkan dunia maya interaktif berdasarkan petunjuk teks atau gambar, serta pihak-pihak awal yang bekerjasama dengan Gemini Application Programming Interface (API) dan Google AI Studio.
