DeepMind julkaisee Genie 4 -mallin, jossa parannettu realismi fysiikassa, ihmisissä ja äänissä

Kuva: Ars Technica · Lähde

DeepMindin uusi Genie 4 -maailmanmalli luo realistisempaa fysiikkaa, ihmisten liikkeitä ja natiivikuunteluun soveltuvaa ääntä, mahdollistaen interaktiiviset ja mukautuvat virtuaalisimulaatiot. Malli tulee pian saataville Googlen Gemini API:n ja premium-tason tekoälytason tilauspalveluiden kautta.

Tekoälytutkimuslaboratorio DeepMind on julkaissut Genie 4:n, tekoälyllä toimivan maailmanmalliteknologiansa viimeisimmän kehitysaskeleen, jonka tarkoituksena on luoda mukaansatempaavia, reaaliaikaisia virtuaaliympäristöjä. Tämä yleisesti tunnetun Genie 3 -mallin seuraaja tarjoaa merkittäviä edistysaskeleita simuloidun fysiikan, ihmisten ulkonäön ja käyttäytymisen sekä integroidun äänen, mukaan lukien interaktiivisen puheen, realistisuudessa.

Genie 4 hyödyntää DeepMindin päivitettyä Gemini 3.8 Flash -päättelymoottoria ohjaamaan virtuaalimaailmojen generointia yksi kehys kerrallaan käyttäjän antamien käskyjen perusteella. Tämä mahdollistaa dynaamisen sisällön luomisen, jossa käyttäjät voivat muuttaa simulaation aikana esimerkiksi säätä ja kamerakulmia, ja Gemini ylläpitää päivitysten johdonmukaisuuden. Aikaisemmat versiot kamppailivat johdonmukaisuuden ylläpidossa muutamaa minuuttia pidempään, kun taas Genie 4 tarjoaa parannettua kontekstin säilymistä tutkiessa.

Yksi merkittävimmistä parannuksista on simulaatioiden fysikaalisen realismin kehitys. DeepMindin mukaan Genie 4 mallintaa aerodynaamisia ilmiöitä ja törmäyksiä luonnollisen käyttäytymisen asteella, joka ylittää aiemmissa tekoälyn tuottamissa videoissa nähdyn. Vastaavasti virtuaalihenkilöt liikkuvat ja reagoivat ympäristöön eläväisemmin, mikä vähentää niin kutsuttua outouden kuilua.

Ehkä merkittävimmin, Genie 4 on ensimmäinen DeepMindin maailmanmalli, joka sisältää natiivin äänen generointiominaisuuden. Simulaatiot sisältävät ympäröiviä ääniä ja voivat integroida käyttäjän määrittämiä ääniä. Malli tukee myös interaktiivista dialogia, joka mukautuu dynaamisesti muuttuvaan virtuaaliympäristöön, askel eteenpäin tekoälyvideoiden realistisuuden saralla.

DeepMind näkee nämä maailmanmallit keskeisinä osina laajempaan yleisälyyn (AGI) johtavassa kehityksessä painottaen sovelluksia, kuten äärettömien koulutusskenaarioiden luomista robotiikalle ja prototyyppien nopeuttamista luovilla aloilla. Näistä innovaatioista huolimatta teknologia on edelleen aktiivisessa tutkimusvaiheessa. Aiemmat mallit, kuten Genie 3, olivat rajoitetusti julkisesti saatavilla, ja Genie 4 on aluksi käytössä vain valikoiduilla testaajilla.

Google aikoo laajentaa käyttömahdollisuuksia kehittäjille Gemini API:n ja AI Studion kautta sekä tarjota kuluttajille pääsyn premium-tason AI Ultra -tilauksen avulla, jonka hinta alkaa 100 dollarista kuukaudessa. Laajemman julkaisun aikataulua ei ole määritelty, ja varhaisessa vaiheessa käyttöä hallitaan vaiheittain sekä jonotuslistalla. Vaikka hinnoittelu ja käyttörajoitukset saattavat rajoittaa mallin täyttä potentiaalia, Genie 4 merkitsee uuden aikakauden tekoälyn generoimissa virtuaaliympäristöissä, jotka tarjoavat rikkaamman aistillisen ja interaktiivisen uskottavuuden.