DeepMind tutvustab Genie 4 mudelit, mis pakub reaalsemaid füüsika, inimeste ja helide simulaatsioone

Pilt: Ars Technica · Allikas

DeepMind'i uus Genie 4 maailmamudel loob palju realistlikuma füüsika, inimliikumise ja põlise heli, võimaldades interaktiivseid ning kohanevaid virtuaalseid simulatsioone. Sellele pääseb peagi ligi Google'i Gemini API ja tasuliste tehisintellekti tellimiskavade kaudu.

Tehisintellekti uurimislabor DeepMind on välja andnud Genie 4, oma AI-põhise maailmamudelite tehnoloogia uusima versiooni, mis on loodud looma kaasahaaravaid ja reaalajas virtuaalseid keskkondi. See laialdaselt tuntud Genie 3 mudeli järglane toob märkimisväärse edusammu simuleeritud füüsika, inimeste välimuse ja käitumise ning integreeritud heli, sealhulgas interaktiivse kõne realismis.

Genie 4 kasutab DeepMind’i uuendatud Gemini 3.8 Flash arutlusmootorit, mis juhib virtuaalmaailmade loomist kaadri kaupa kasutajate käskluste põhjal. See võimaldab dünaamilist sisuloomet, kus kasutajad saavad simulatsiooni keskel muuta parameetreid nagu ilm ja kaamera vaatenurk, Gemini juhib nende muudatuste sünkroonsust ning järjepidevust. Kui varasemad versioonid hoidsid konteksti vaid mõne minuti vältel, siis Genie 4 parandab konteksti hoidmist uurimise käigus.

Tuntavamaid täiustusi on füüsikalises realismis. DeepMind’i sõnul modelleerib Genie 4 aerodünaamilisi efekte ja kokkupõrkeid loomulikuma käitumise tasemel kui varasemad AI-ga loodud videod. Samuti liiguvad virtuaalsed inimesed nüüd elutruumalt ning reageerivad keskkonnale loomulikumalt, vähendades ebamugavustunnet ehk »uncanny valley« efekti.

Eriti märkimisväärne on, et Genie 4 on esimene DeepMind'i maailmamudel, mis sisaldab põlise heli genereerimist. Simulatsioonides on taustheli ja kasutaja poolt määratud helielemendid. Mudel toetab ka interaktiivset dialoogi, mis kohandub dünaamiliselt virtuaalse keskkonna muutustega, olles oluline läbimurre tehisintellekti videorealismi vallas.

DeepMind näeb neid maailmamudeleid oluliste komponentidena tehisintellekti üldiste võimete (AGI) arendamisel, rõhutades kasutusvõimalusi nagu lõputud koolitussituatsioonid robootikas ning kiirem prototüüpimine loomingulistel aladel. Hoolimata nendest uuendustest on tehnoloogia endiselt aktiivses uurimisfaasis. Eelnevased mudelid nagu Genie 3 olid avalikkusele piiratud kättesaadavusega, ning Genie 4 on esialgu saadaval vaid valitud testijatele.

Google plaanib laiendada juurdepääsu arendajatele Gemini API ja AI Studio kaudu ning pakkuda tarbijatele pääsu oma tasulise AI Ultra tellimiskava abil, mis algab 100 dollarist kuus. Laiem turuletoomine on veel määratlemata ja varajast juurdepääsu haldab järjekord koos faasidega. Kuigi hinnastamine ja kasutuspiirangud võivad piirata täielikku potentsiaali, tähistab Genie 4 uut etappi AI-põhiste virtuaalsete keskkondade loomisel, pakkudes rikkalikumat sensoorset ja interaktiivset täpsust.