DeepMind pristato Genie 4 modelį su patobulintu realizmu fizikoje, žmonių elgsenoje ir garso srityje

Vaizdas: Ars Technica · Šaltinis

DeepMind naujasis Genie 4 pasaulio modelis generuoja daug realesnę fiziką, žmonių judesius ir natūralų garsą, leidžiantį kurti interaktyvias ir adaptuojamas virtualias simuliacijas. Jis netrukus bus prieinamas per „Google“ Gemini API ir aukščiausios kokybės AI prenumeratos planus.

Dirbtinio intelekto tyrimų laboratorija DeepMind pristatė Genie 4 – naujausią savo dirbtinio intelekto valdomo pasaulio modelio technologijos evoliuciją, skirtą kurti įtraukiančias, realiuoju laiku vykstančias virtualias aplinkas. Šis plačiai žinomo Genie 3 modelio įpėdinis pristato reikšmingus patobulinimus simuliuojamos fizikos, žmonių išvaizdos bei elgsenos realumui bei integruotam garsui, įskaitant interaktyvų kalbėjimą.

Genie 4 naudoja atnaujintą DeepMind Gemini 3.8 Flash loginio variklio versiją, kuri valdo virtualių pasaulių generavimą kadras po kadro pagal naudotojo užklausas. Tai leidžia dinamiškai kurti turinį, kai naudotojai gali keisti tokius parametrus kaip oras ar kameros kampai simuliacijos metu, o Gemini užtikrina nuoseklumą atliekant šiuos atnaujinimus. Nors ankstesnės versijos turėjo sunkumų palaikyti vientisumą ilgiau nei kelias minutes, Genie 4 pasižymi patobulintu konteksto išlaikymu tyrinėjant virtualią aplinką.

Vienas iš ryškiausių patobulinimų – fizinio realizmo simuliacijose gerinimas. DeepMind teigia, kad Genie 4 modeliuojami aerodinaminiai efektai ir susidūrimai vyksta su natūralumo laipsniu, pranokstančiu ankstesnius dirbtinio intelekto sukurtus vaizdo įrašus. Panašiai ir virtualūs žmonės judėdami bei reaguodami į aplinką atrodo gyvybingesni, taip sumažinant „keistojo slėnio“ efektą.

Galbūt svarbiausia, kad Genie 4 yra pirmasis DeepMind pasaulio modelis, integruojantis gimtojo lygio garso generavimą. Simuliacijos apima foninius garsus ir gali integruoti naudotojo nurodytus garso elementus. Modelis taip pat palaiko interaktyvius dialogus, kurie dinamiškai prisitaiko prie kintančios virtualios aplinkos, kas žymiai pažengia dirbtinio intelekto vaizdo realumo srityje.

DeepMind šiuos pasaulio modelius laiko pagrindinėmis priemonėmis pažangai link plačiau taikomo dirbtinio bendrojo intelekto (AGI), išskirdama panaudojimą begalinėms robotikos mokymo situacijoms kurti ir kūrybinės industrijos prototipų spartinimui. Nepaisant šių inovacijų, technologija vis dar yra aktyvių tyrimų objektas. Ankstesni modeliai, kaip Genie 3, buvo ribotai prieinami viešai, o Genie 4 iš pradžių pasiekiamas tik atrinktiems testuotojams.

„Google“ planuoja plėsti prieigą kūrėjams per Gemini API ir AI Studio bei pasiūlyti vartotojams prieigą per aukščiausios kokybės AI Ultra prenumeratą, kurios kaina prasidės nuo 100 JAV dolerių per mėnesį. Plačios prieigos datos nebuvo nurodytos, o ankstyvoji prieiga valdomi per etapinius leidimus ir laukiančiųjų sąrašą. Nors kainodara ir naudojimo apribojimai gali riboti pilną potencialą, Genie 4 žymi naują etapą dirbtinio intelekto generuotose virtualiose aplinkose su turtingesniu sensoriniu ir interaktyviu tikslumu.