Google DeepMind出典公開日

Genie 4: 世界シミュレーションの新世代

Genie 4は重要な研究のマイルストーンである一方、依然として初期段階の実験的モデルです。インタラクティブな世界モデルが実際のワークフローをどう支援できるか、そしてどこにまだ成長の余地があるかを理解するため、クリエイティブ業界、ジャーナリズム、教育、ゲーム、エンジニアリングの各分野にわたる信頼できるテスターのグループと協力してきました。

信頼できるテスターからの学び

Genie 4は重要な研究のマイルストーンである一方、依然として初期段階の実験的モデルです。インタラクティブな世界モデルが実際のワークフローをどう支援できるか、そしてどこにまだ成長の余地があるかを理解するため、クリエイティブ業界、ジャーナリズム、教育、ゲーム、エンジニアリングの各分野にわたる信頼できるテスターのグループと協力してきました。

テスターたちは、フォトリアリズム、ネイティブオーディオ、リアルタイム操作の飛躍的進歩により、アイデアや概念をリアルなシミュレーションに変換でき、各分野で新たな能力が開かれると指摘しました:

  • クリエイティブディレクション: クリエイターと技術者たちは、プリビジュアライゼーションとアイデア出しのための迅速な「ドラフトモード」としてGenie 4をテストしています。例えば、映画制作者はシーンのライブシミュレーションに入り込み、カメラアングル、照明、セリフ、アクションをその場で調整しながら、複数の「テイク」をリアルタイムで実行できます。
  • 歴史的シナリオと没入型写真: フォトジャーナリストたちは、1枚の2Dアーカイブ写真が、その環境の根拠あるシミュレーションに数秒で変わる方法を探求しています。チームは、人が住み動きのある世界が、歴史的な空間の体験や、鉄砲水や山火事のような短期的な環境イベントの展開の可視化にどう役立つかをテストしています。
  • インタラクティブ体験のコンセプトデザイン: ゲーム開発者とクリエイティブ技術者たちは、初期のアイデアから数秒で探索可能なプロトタイプに到達するため、エンジンコードを1行も書く前に、自然言語プロンプトを通じてビジュアルスタイル、マテリアルの美学、インタラクティブなメカニクスをテストするためにGenie 4を試しています。
  • シミュレーション: ロボティクス研究に加え、様々な業界の企業パートナーが、迅速な「ゼロからイチ」のシナリオ生成ツールとしてGenie 4を評価しており、そのシミュレーション需要に最も応えられるようGenieをさらに改善するためのギャップを特定しています。

今後の取り組み: ハイブリッド世界モデルに向けて

今後の進展に有望な道筋は、ハイブリッド世界モデルにあります。これは、コードと言語モデルの論理的で構造化された推論能力と、ピクセルレベルのシミュレーションの豊かで感覚的な表現を組み合わせるものです。

GenieモデルとGeminiモデルをより近づけることは、この方向への初期の一歩です。Geminiは舞台裏で構造をマッピングし物語のタイムラインを計画し、一方Genieは直接的な物理的現実を生成します。つまり、世界がどのように見え、聞こえ、応答するかをピクセル単位でレンダリングします。これらの相補的な強みが組み合わさることで、どちらか単独では達成できない、はるかに一貫性があり、制御可能で、根拠のある新しいクラスの世界モデルが実現します。

責任ある世界モデルの構築

Genie 4は、リアルタイム生成とフォトリアリズムを融合させるフロンティア研究の新たな領域であり、私たちが責任のある形で展開し探求したい新しい能力と次元をもたらします。Genie 4には、他のモデルにわたる当社の安全ポリシーと整合した厳格な安全ガードレールが組み込まれています。このプレビューの公開前に、有害または悪意あるコンテンツの生成を防ぐため、内部で厳格な安全評価を実施してGenie 4を評価しました。また、モデルをより広く公開する前に、初期のフィードバックを得るため、意図的に信頼できるテスターパートナーにまず展開しました。

透明性を維持するため、Genie 4が生成するすべての動画と音声には、視覚および音声の両モダリティにわたってAI生成コンテンツの識別を助ける、当社の知覚できないデジタル透かし技術であるSynthIDが含まれます。

現在の限界の理解

Genie 4は依然として、進化し続ける研究の初期段階の領域です。

短時間のセッションでは一貫した環境を維持できますが、視覚的なディテールや物体の永続性は、時間の経過とともに変化したりずれたりすることがあります。特に、シミュレーションの実行時間が長くなった場合、複数回の複雑なプロンプト編集の後、またはシーン内を移動する際に顕著です。複雑な物理的インタラクション、リアルタイムオーディオの正確さ、判読可能なテキストのレンダリング、空間的正確さ、長期的な一貫性は、現在進行中の研究の重点領域です。私たちはコミュニティと共に学び、インタラクティブシミュレーションのフロンティアを安全に前進させるため、Genie 4をプレビューとして共有しています。

Genie 4の次のステップ

Genie 4は研究プレビューとして信頼できるテスターに公開されており、まもなくProject GenieのGoogle AI Ultra加入者、およびGemini APIとGoogle AI Studioのアーリーアクセスパートナーにも提供される予定です。Project GenieでGenie 4のウェイトリストに登録するには こちら.

ユーザーの皆さんがまもなく、中に入って実験し、自分だけのインタラクティブな世界を構築できることを楽しみにしています。

原文の出典

Google DeepMind

内容について

原文の公開と権利は出典元に帰属します。

機械翻訳 · 原文をご参照ください