DeepMind startet Genie 4 Modell mit verbessertem Realismus in Physik, Menschen und Audio

Image: Ars Technica · Source

DeepMinds neues Genie 4 Weltmodell erzeugt realistischere Physik, menschliche Bewegungen und nativen Ton, was interaktive, adaptive virtuelle Simulationen ermöglicht. Es wird bald über Googles Gemini API und Premium-KI-Abonnements verfügbar sein.

Das Forschungslabor für künstliche Intelligenz DeepMind hat Genie 4 vorgestellt, die neueste Entwicklung seiner KI-betriebenen Weltmodell-Technologie, die darauf ausgelegt ist, immersive, Echtzeit-Virtualumgebungen zu erzeugen. Dieser Nachfolger des viel beachteten Genie 3 Modells bringt bedeutende Fortschritte im Realismus simulierten Physik, menschlicher Erscheinungen und Verhaltensweisen sowie integrierter Audio, inklusive interaktiver Sprache.

Genie 4 nutzt DeepMinds aktualisierte Gemini 3.8 Flash Reasoning Engine, um die Generierung virtueller Welten Bild für Bild basierend auf Nutzereingaben zu steuern. Dies erlaubt dynamische Inhaltserstellung, bei der Nutzer Parameter wie Wetter und Kamerawinkel mitten in der Simulation ändern können, wobei Gemini diese Anpassungen lenkt, um Kohärenz zu gewährleisten. Während frühere Versionen Schwierigkeiten hatten, über einige Minuten hinaus Konsistenz zu halten, liefert Genie 4 eine verbesserte Kontextbeibehaltung während der Erkundung.

Eine der herausragenden Verbesserungen liegt im physikalischen Realismus der Simulationen. DeepMind zufolge modelliert Genie 4 aerodynamische Effekte und Kollisionen mit einem natürlichen Verhalten, das frühere KI-generierte Videoausgaben übertrifft. Ebenso zeigen virtuelle Menschen nun lebensechtere Bewegungsmuster und Umweltreaktionen, wodurch der sogenannte "Uncanny Valley"-Effekt verringert wird.

Besonders bemerkenswert ist, dass Genie 4 das erste DeepMind-Weltmodell ist, das native Audioerzeugung integriert. Simulationen beinhalten Umgebungsgeräusche und können vom Nutzer spezifizierte Audioelemente einbinden. Das Modell unterstützt zudem interaktiven Dialog, der sich dynamisch an die sich entwickelnde virtuelle Umgebung anpasst – ein Fortschritt, der als potenzieller Game Changer für KI-Video-Realismus hervorgehoben wird.

DeepMind sieht diese Weltmodelle als Schlüsselkomponenten auf dem Weg zu einer breiteren künstlichen allgemeinen Intelligenz (AGI) und betont Anwendungen wie die Schaffung unendlicher Trainingsszenarien für Robotik und die Beschleunigung von Prototypen-Entwicklungen in Kreativbranchen. Trotz dieser Innovationen befindet sich die Technologie weiterhin in aktiver Forschung. Frühere Modelle wie Genie 3 waren öffentlich nur begrenzt verfügbar, und Genie 4 ist zunächst nur für ausgewählte Tester zugänglich.

Google plant, den Zugang für Entwickler über die Gemini API und AI Studio zu erweitern sowie Konsumenten über das Premium-Abo AI Ultra ab 100 US-Dollar pro Monat einzubinden. Zeitpläne für eine breitere Einführung sind nicht spezifiziert, mit gestaffelter Verfügbarkeit und Wartelisten für Frühzugang. Obwohl Preise und Nutzungsbeschränkungen das volle Potenzial einschränken könnten, markiert Genie 4 eine neue Stufe bei KI-generierten virtuellen Umgebungen mit reicherer sensorischer und interaktiver Treue.