Google DeepMind представила Genie 4, новое поколение своей модели мира искусственного интеллекта. Он создает интерактивную трехмерную среду на основе текстовых или графических характеристик, которые пользователи просматривают с помощью клавиатуры. В отличие от классических игровых движков, Genie не вычисляет представление заранее созданного трехмерного мира, а постоянно восстанавливает его с помощью искусственного интеллекта. Продолжительность моделирования в настоящее время ограничена несколькими минутами.
Подробности читайте после рекламы
Генерация звука является новой: помимо изображений Genie 4 также генерирует подходящие окружающие шумы, музыку и речь. Кроме того, ввод текста можно использовать для более гибкого воздействия на окружающую среду: пользователи могут менять погоду и добавлять объекты во время работы симуляции. По мнению Google, фотореалистичные изображения человеческих движений кажутся более естественными, а физические процессы, такие как столкновения, кажутся более правдоподобными, чем у его предшественника.
Genie 4 изначально доступен избранным тестировщикам. Доступ появится в ближайшие недели через Project Genie для подписчиков Google AI Ultra и для избранных разработчиков через Gemini API и Google AI Studio. Google не сообщает дату общего релиза.
Genie 4 также остается исследованием
По мнению Google, важную роль играет взаимодействие Genie 4 с моделями Gemini от Google. Видеомодель Gemini Omni призвана помочь моделируемым мирам выглядеть максимально реалистично и вести себя правдоподобно. Gemini 3.8 Flash, в свою очередь, контролирует запущенную симуляцию, планирует шаги, необходимые для выполнения задачи, и проверяет, были ли они выполнены успешно.
Короткая продолжительность моделирования и отсутствие последовательности продолжают ограничивать возможности Genie. По данным Bloomberg, в настоящее время возможно моделирование продолжительностью до двух минут, и, как признает исследователь Google Ханг Ци, среда не остается единообразной на всем протяжении.
Google уже много лет исследует Genie. Третье поколение модели мира обеспечило взаимодействие в реальном времени со скоростью 24 кадра в секунду и разрешением 720p в 2025 году. В начале 2026 года Google впервые предоставила эту технологию подписчикам Google AI Ultra с помощью веб-приложения Project Genie, а с середины 2026 года она стала доступна за пределами США. В практическом тесте продолжительность пробега была ограничена примерно 60 секундами. Звук отсутствовал, а возможности взаимодействия были сильно ограничены.
Подробности читайте после объявления
Мировые модели ищут применение
Какие приложения действительно смогут преобладать с Genie 4, для Google все еще остается открытым вопросом. По словам менеджера по продукту DeepMind Диего Риваса, технология все еще находится на стадии исследования. По данным Google, первые тестеры уже используют Genie 4 для подготовки сцен фильмов и разработки прототипов интерактивных игр. Компания также демонстрирует, как исторические фотографии можно превратить в исследуемые сцены, и видит дальнейшее потенциальное использование в обучении роботов и агентов искусственного интеллекта.
Рекомендуемый редакционный контент
С вашего согласия сюда будет загружено внешнее видео YouTube (Google Ireland Limited).
В то время как классические языковые модели в первую очередь изучают текстовые шаблоны, модели мира предназначены для отражения пространственных и физических отношений и прогнозирования последствий действий. Это позволит системам искусственного интеллекта лучше планировать сложные задачи и тестировать действия практически заранее.
Бывший главный научный сотрудник Meta Ян ЛеКун исследует аналогичный подход вместе с AMI Labs. Пионер искусственного интеллекта Фей-Фей Ли также разрабатывает модели мира вместе с World Labs. Стартап, который AMD хочет приобрести за 8,2 миллиарда долларов.
(быть)
