به گزارش بیکینگ، گوگل دیپ‌مایند Genie ۴ را نسل تازه‌ای از مدل‌های هوش مصنوعی جهان‌ساز معرفی کرده است. این مدل محیطی می‌سازد که کاربر می‌تواند هنگام اجرا آن را تغییر دهد و نتیجه تغییرات را ببیند.
برای مثال، کاربر می‌تواند از مدل بخواهد دوربین را جابه‌جا کند، باران را به صحنه اضافه کند یا شخصیت تازه‌ای وارد محیط شود. Genie ۴ تلاش می‌کند تغییرات را با فضای موجود هماهنگ نگه دارد و حرکت اشیا و شخصیت‌ها را به‌صورت طبیعی شبیه‌سازی کند.
صدا و رفتار طبیعی‌تر
تفاوت مهم Genie ۴ با نسخه قبلی، Genie ۳، توانایی تولید هم‌زمان صدا و تصویر است. مدل می‌تواند صدای محیط، مانند وزش باد و برخورد موج‌ها، و همچنین گفت‌وگوی شخصیت‌ها را تولید کند. شخصیت‌های شبیه‌سازی‌شده نیز می‌توانند به اتفاق‌های محیط واکنش نشان دهند و با یکدیگر حرف بزنند.
گوگل می‌گوید این فناوری برای شبیه‌سازی حرکت انسان‌ها و قوانین فیزیکی، از جمله برخورد اجسام و جریان هوا، پیشرفت کرده است. البته مدل هنوز در برخی تعاملات پیچیده فیزیکی و حفظ جزئیات صحنه در اجراهای طولانی مشکل دارد.
کاربرد Genie ۴ فراتر از ساخت ویدئو است
یکی از کاربردهای احتمالی این فناوری، ساخت سریع نمونه‌های اولیه بازی‌های ویدئویی است. توسعه‌دهندگان می‌توانند ایده خود را با دستورهای متنی به محیطی قابل‌کاوش تبدیل کنند و پیش از نوشتن کدهای اصلی بازی، ظاهر و شیوه تعامل آن را آزمایش کنند.
فیلم‌سازان نیز می‌توانند زاویه دوربین، نورپردازی و گفت‌وگوی شخصیت‌ها را در یک صحنه آزمایشی تغییر دهند. در حوزه رباتیک، محیط‌های شبیه‌سازی‌شده می‌توانند برای آزمایش مراحل انجام یک کار و بررسی واکنش سامانه‌های هوش مصنوعی به موقعیت‌های مختلف به کار بروند.
گوگل می‌گوید Genie ۴ فعلا در اختیار گروه محدودی از آزمایش‌کنندگان قرار گرفته است. این شرکت قصد دارد دسترسی را در ادامه از طریق Project Genie برای مشترکان Google AI Ultra و همچنین برای برخی کاربران و توسعه‌دهندگان از طریق Gemini API و Google AI Studio گسترش دهد.
با وجود این قابلیت‌ها، Genie ۴ هنوز یک فناوری آزمایشی است. گوگل می‌گوید در صحنه‌های طولانی یا پس از تغییرات پیچیده ممکن است جزئیات تصویر جابه‌جا شوند، صدا دقیق نباشد یا تعاملات فضایی به‌درستی شبیه‌سازی نشوند.
۵۸۵۸
