IT之家 Am 28. Oktober berichtete eine Quelle, dass das Team von Google DeepMind gestern (27. Oktober) einen Blogpost veröffentlicht hat, in dem das Genie 4 World-Modell als „wichtiger Forschungsmeilenstein“ vorgestellt wird. Es werden Kernsprünge in Bereichen wie nativem Audio, Echtzeit-Natural Language-Transformation und realistischeren physikalischen und personellen Aspekten erzielt. Das World-Modell wird von einer einzelnen generierten Darstellung auf eine dynamische Simulation ohnehin, die live gesteuert, gehört und verstanden werden kann, umgestellt.
Für den Benutzer ist das größte Highlight des Google Genie 4 World-Modells die Echtzeit-„Regisseur“-Funktion für die Welt. Bei der simulierten Ausführung kann der Benutzer mit natürlichen Sprachtexten Anweisungen geben, um die Welt zu verändern, wie zum Beispiel das Wetter ändern, Kameraframes bewegen, neue Charaktere oder Objekte hinzufügen.
Im Gegensatz zu den etablierten KI-Systemen, die ein Video neu generieren, führt Genie 4 dynamische Veränderungen durch, die auf den aktuellen Kontext der Szene beruhen. Es ähnelt eher einem „interaktiven virtuellen Sandbox“ oder einem „AI-Drehbuchsystem“. Die Nutzer können einen Ereignis einstellen und beobachten, wie die Welt weiter entwickelt wird, während sie jederzeit eingreifen und anpassen können.
In anderen Aspekten sind die Vorteile von Genie 4: Es ist das erste Modell von DeepMind, das in einer Echtzeit-Weltsimulation auditive Erzeugung erstellt, wobei Audios und Bilder im selben Prozess synchron entstehen. Zudem behauptet Google, dass Genie 4 in physikalischen Szenen wie Aerodynamik und Kollisionen bessere Leistungen zeigt; die Bewegungen der Figuren sind natürlicher, können organische Reaktionen auf die Umgebung ergeben und unterstützen Echtzeitsteuerung. IT Home hat folgendes Demonstrationsvideo veröffentlicht:
Google-CEO Sundar Pichai veröffentlichte heute auf seinem persönlichen Account einen Tweet, in dem er sagte: Die Genie 4 ist die bisher realistischste und interaktivste Weltmodell von Google.
In einem Interview mit dem Technologie-Medium TechCrunch sagte der Leiter der Google-Forschung, Tejas Kulkarni, dass in Zukunft Gemini für den Text, den Code und die Aufgabenplanung verantwortlich sein wird, während Genie 4 diese Inhalte in Echtzeit in ein interaktives Weltbild umwandelt, was einen „gemischten Weltmodell“ ergibt.
Der DeepMind-Ingenieur Diego Rivas erklärt, dass Genie 4 noch in einer frühen Phase ist; langfristige Simulationen könnten Detaillierungsfehler verursachen, und die Audiogenauigkeit sowie die Lesbarkeit der Textzeilen auf dem Bildschirm sind noch nicht vollständig gelöst.
Das Genie 4 ist derzeit nur in Form eines Forschungsvorsatzes für „vertrauenswürdige Testteilnehmer“ zugänglich; in den kommenden Wochen wird es auf die Project Genie von Google AI Ultra-Abonnenten sowie auf frühe Partner von Gemini API und Google AI Studio ausgeweitet.
Relevante Lesestoff: