أصدرت Google DeepMind أحدث نماذجها للعوالم، Genie 4، كمعاينة بحثية يوم الثلاثاء. يولّد النموذج الأحدث عوالم تفاعلية وواقعية فوتوغرافياً أكثر من أي وقت مضى، ما يتيح للمستخدمين كتابة أوامر أثناء المحاكاة لتغيير المشهد. كما يولّد النموذج صوتاً في الوقت الفعلي يطابق العالم المحاكى، بما في ذلك الموسيقى والأصوات المحيطة والحوار التفاعلي.
تأتي إصدارات Genie 4 بعد شهرين تقريباً من إطلاق شركة الفيديو بالذكاء الاصطناعي Runway نموذجها الثاني للعوالم، GWM Worlds 2، وهو نموذج قابل للعب يستجيب ديناميكياً لمدخلات المستخدم ويتضمن توليد الصوت. وفي الوقت نفسه، بدأت صناعة نماذج العالم في التنامي نحو التوحد. فشركة World Labs التابعة لـ Fei-Fei Li قيد الاستحواذ من قبل AMD، وتمرض Amazon لإمكانية شراء Decart، و استحوذت Rivian للتو على Third Dimension لإحضار قدرات المحاكاة داخلياً لاختبارات القيادة الذاتية.
يمثل Genie 4 أحدث خطوات جوجل للبقاء في المقدمة في هذا المجال المزدحم.
أصدرت جوجل سلفه، Genie 3، كمعاينة بحثية منذ ما يزيد قليلاً عن عام. وإلى جانب كونه أكثر واقعية فوتوغرافياً بكثير ويتضمن الصوت، يتيح Genie 4 إجراء تعديلات حرة، مثل تغيير الطقس أو زاوية الكاميرا في الوقت الفعلي أو إضافة أشخاص أو أجسام جديدة. ويمكنه الحفاظ على مشهد متسق لمدة تصل إلى دقيقتين، أي ضعف حد سلفه، ويوفر فيزياء أفضل وشخصيات أكثر شبهاً بالبشر.
كما أصبح Gemini، نموذج جوجل للذكاء الاصطناعي، أكثر تكاملاً بشكل وثيق مع Genie 4، حيث يعمل كمخرج يخطط الخطوات ويفحص الإطارات بينما يخلق Genie المرئيات. وفي تجربة بحثية مرتبطة بـ Gemini Robotics، قسّم نموذج Gemini 4 Argon المهام إلى خطوات حاكاها Genie 4 في الوقت الفعلي. وتُظهر التجربة طريقة ممكنة لاختبار سيناريوهات الروبوتات في المحاكاة قبل حدوثها في العالم الحقيقي.
قال تيجاس كولكارني، مدير الأبحاث في جوجل، خلال إحاطة: "ما سنشاهده بشكل متزايد في المستقبل هو نماذج العوالم الهجينة هذه، حيث تتوفر لديك مجموعة من Gemini التي تكتب الشيفرة والنصوص، وGenie الذي يستوعبها في الوقت الفعلي ويحاكي الواقع على مستويات مختلفة من التجريد".
كما هو الحال مع نماذج العالم الأخرى، تشمل حالات الاستخدام التجارية المقترحة الألعاب والتعلم التفاعلي والروبوتات. ومن الأمثلة التخمينية على التعلم التفاعلي الدخل إلى لوحة ترسم مشهداً تاريخياً والدردشة مع شخصيات اللوحة حول الحدث المصور.
لكن "المختبرين الموثوقين" — الأشخاص الذين يحصلون على الوصول الأول إلى منتجات جوجل المتطورة — يشيرون إلى استخدام محتمل جديد: وضع نماذج أولية للأفلام.
قال دييغو ريفاس، مهندس في Google DeepMind، خلال إحاطة صحفية: "يصبح جانب الوقت الفعلي هو الأكثر قيمة في المجالات التي يصبح فيها الحفاظ على حالة الانسيابية في الفضاء الإبداعي مفيدة للغاية. على سبيل المثال، في مرحلة وضع الأفكار، وفي مرحلة رسم اللوحات القصصية — في أي وقت تكون فيه بحاجة إلى توليد سريع للأفكار".
تقدم جوجل أيضاً Veo، نموذجها لتوليد الفيديو بالذكاء الاصطناعي الذي يصنع مقاطع عالية الدقة بصوت متزامن مدمج من أوامر نصية أو صور أو فيديو — وهي أداة اكتسبت شعبية متزايدة بين صانعي الأفلام.
وأضاف ريفاس أن المستخدمين يمكنهم، في نهاية المطاف، الاعتماد على Gemini Omni، وهو نموذج لغوي كبير متعدد الوسائط يمكنه توليد الفيديو من الصور والصوت والنص، لتحويل تلك النماذج الأولية إلى أصول إبداعية. ورغم ذلك، يقول إن تلك القدرات لا تزال بعيدة المنال.
وطوال الإحاطة، أكد ريفاس أنه ما زال من الأيام المبكرة لـ Genie 4 وأنه ليس واضحاً بعد ما سيكون عليه تجربة المنتج من البداية إلى النهاية. كما أقر الفريق بأن Genie 4 لا يزال يعاني من فجوات: فالتفاصيل والأجسام يمكن أن تنحرف كلما طالت مدة تشغيل المحاكاة، ولم يفلحوا بعد تماماً في معرفة كيفية ضمان دقة الصوت ووضوح أي نص داخل العالم.
يتوفر Genie 4 الآن كمعاينة بحثية للمختبرين الموثوقين. وفي الأسابيع القادمة، سيطرح النموذج على مشتركي Google AI Ultra في Project Genie، أداة جوجل للذكاء الاصطناعي لتوليد العوالم التفاعلية من أوامر نصية أو صور، وشركاء الوصول المبكر إلى Gemini API وGoogle AI Studio.