گوگل دیپ‌مایند از جدیدترین مدل جهانی (World Model) خود با نام Genie 4 رونمایی کرد. مدلی که می‌تواند محیط‌های تعاملی واقع‌گرایانه‌تری تولید کند، به‌صورت بی‌درنگ به دستورات جدید کاربر واکنش نشان دهد و حتا برای دنیای شبیه‌سازی‌شده صدا تولید کند.
گوگل Genie 4 امکان تغییر دنیای شبیه‌سازی شده در لحظه
مهم‌ترین ویژگی Genie 4 گوگل، توانایی تغییر محیط در حین اجرا است. کاربران می‌توانند هنگام شبیه‌سازی، دستورات متنی جدید وارد کنند و مواردی مانند شرایط آب‌وهوایی، زاویه دوربین یا حتا شخصیت‌ها و اشیای جدید را به صحنه اضافه کنند.
گوگل می‌گوید این مدل می‌تواند یک صحنه منسجم را تا دو دقیقه حفظ کند؛ عددی که دو برابر بیشتر از محدودیت Genie 3 محسوب می‌شود. همچنین کیفیت فیزیک، تعاملات محیطی و رفتار شخصیت‌ها نیز نسبت به نسل قبل بهبود یافته است.
تولید صوت هم‌زمان با تصویر
یکی از مهم‌ترین ارتقاهای Genie 4 اضافه شدن تولید صدای بی‌درنگ است. این مدل می‌تواند متناسب با محیط شبیه‌سازی‌شده موسیقی تولید کند، صداهای محیطی بسازد و همچنین دیالوگ‌های تعاملی ایجاد کند.
در نتیجه کاربران تنها با یک محیط تصویری روبه‌رو نیستند و تجربه‌ای کامل‌تر و نزدیک‌تر به دنیای واقعی دریافت می‌کنند.
گوگل همچنین ارتباط میان Genie و مدل‌های خانواده جمینای را عمیق‌تر کرده است.
در معماری جدید، جمینای نقش هدایت‌کننده را بر عهده دارد و وظیفه برنامه‌ریزی مراحل، کنترل روند اجرا و بررسی خروجی‌ها را انجام می‌دهد؛ در حالی که Genie مسئول تولید و شبیه‌سازی محیط است.
گوگل در یکی از آزمایش‌های مرتبط با پروژه رباتیک خود نشان داده که مدل جمینای 4 Argon می‌تواند وظایف مختلف را به مراحل کوچک‌تر تقسیم و Genie 4 نیز آن مراحل را در یک محیط شبیه‌سازی‌شده اجرا کند. هدف از این رویکرد، آزمایش سناریوهای رباتیک پیش از اجرا در دنیای واقعی عنوان شده است.
از بازی‌سازی تا فیلم‌سازی
گوگل معتقد است کاربردهای Genie 4 تنها به بازی محدود نمی‌شود.
این شرکت از آموزش تعاملی، توسعه ربات‌ها و ساخت تجربیات شبیه‌سازی‌شده به‌عنوان مهم‌ترین کاربردهای این فناوری یاد می‌کند. یکی از مثال‌های مطرح‌شده، ورود به یک نقاشی تاریخی و گفت‌وگو با شخصیت‌های حاضر در آن درباره رویدادهای آن دوران است.
با این حال، برخی از آزمایش‌کنندگان اولیه بیشتر روی کاربردهای سینمایی این فناوری تمرکز کرده‌اند. به گفته مهندسان گوگل، قابلیت تولید بی‌درنگ محیط‌ها می‌تواند به فیلم‌سازان در مرحله ایده‌پردازی، طراحی استوری‌بورد و ساخت نمونه‌های اولیه پروژه‌ها کمک کند.
گوگل تاکید کرده Genie 4 همچنان یک نسخه تحقیقاتی است و فاصله زیادی تا یک محصول نهایی دارد.
طبق توضیحات تیم توسعه، این مدل هنوز با مشکلاتی مانند تغییر تدریجی جزئیات صحنه در شبیه‌سازی‌های طولانی، دقت نه‌چندان کامل صداها و خوانایی متن‌های تولیدشده داخل محیط مواجه است.
در حال حاضر Genie 4 در اختیار گروه محدودی از آزمایش‌کنندگان مورد اعتماد گوگل قرار گرفته است. این شرکت اعلام کرده طی هفته‌های آینده کاربران اشتراک گوگل AI اولترا در پروژه Genie و برخی شرکای جمینای API و گوگل AI استودیو نیز به این مدل دسترسی خواهند داشت.
نظرات کاربران