DeepMind lanserer Genie 4-modellen med forbedret realisme i fysikk, mennesker og lyd

Bilde: Ars Technica · Kilde

DeepMinds nye Genie 4 verdensmodell genererer mer realistisk fysikk, menneskelige bevegelser og nativ lyd, som muliggjør interaktive og adaptive virtuelle simuleringer. Den vil snart bli tilgjengelig via Googles Gemini API og premium AI-abonnement.

Forskningslaboratoriumet for kunstig intelligens, DeepMind, har lansert Genie 4, den nyeste utviklingen av deres AI-drevne verdensmodellteknologi som er designet for å generere engasjerende, sanntids virtuelle omgivelser. Denne etterfølgeren til den mye omtalte Genie 3-modellen introduserer betydelige forbedringer i realismen til simulert fysikk, menneskelige utseender og atferd, samt integrert lyd, inkludert interaktiv tale.

Genie 4 benytter DeepMinds oppdaterte Gemini 3.8 Flash resonneringsmotor for å styre genereringen av virtuelle verdener bilde for bilde basert på brukerens kommandoer. Dette tillater dynamisk innholdsskaping der brukere kan endre parametre som vær og kameravinkler midt i simuleringen, mens Gemini styrer disse oppdateringene for å bevare sammenheng. Tidligere versjoner slet med konsistens utover noen få minutter, men Genie 4 gir forbedret kontekstbevaring under utforskning.

En av de mest fremtredende forbedringene er den fysiske realismen i simuleringene. Ifølge DeepMind modellerer Genie 4 aerodynamiske effekter og kollisjoner med en grad av naturlig oppførsel som overgår tidligere AI-genererte videoresultater. På samme måte viser virtuelle mennesker mer livaktige bevegelsesmønstre og miljøreaksjoner, noe som reduserer den urovekkende dal-effekten.

Kanskje mest bemerkelsesverdig er at Genie 4 er DeepMinds første verdensmodell som integrerer opprinnelig lydgenerering. Simuleringer inkluderer omgivelseslyder og kan integrere brukerspesifiserte lydelementer. Modellen støtter også interaktiv dialog som dynamisk tilpasses det utviklende virtuelle miljøet, et fremskritt som fremheves som en potensiell revolusjon for AI-video realisme.

DeepMind posisjonerer disse verdensmodellene som nøkkelkomponenter i fremgangen mot bredere kunstig generell intelligens (AGI), med vekt på anvendelser som å skape uendelige treningsscenarier for robotikk og akselerere prototyping i kreative bransjer. Til tross for disse innovasjonene, er teknologien fortsatt under aktiv forskning. Tidligere modeller som Genie 3 var begrenset tilgjengelig for offentligheten, og Genie 4 er i første omgang kun tilgjengelig for utvalgte testere.

Google planlegger å utvide tilgangen for utviklere gjennom Gemini API og AI Studio, og tilby forbrukertilgang via sitt premium AI Ultra-abonnement med priser fra 100 dollar per måned. Bredere utrullingsplaner er ennå ikke spesifisert, med en fasevis tilgjengelighet og venteliste som administrerer tidlig tilgang. Selv om pris og bruksgrenser kan begrense det fulle potensialet, markerer Genie 4 et nytt stadium for AI-genererte virtuelle omgivelser med rikere sensorisk og interaktiv troverdighet.