Google DeepMind, en yeni dünya modeli Genie 4'ü salı günü araştırma önizlemesi olarak yayınladı. Model şimdiye kadarki en fotogerçekçi ve etkileşimli dünyaları üretiyor; kullanıcılar simülasyon sırasında istem yazarak sahneyi değiştirebiliyor. Ayrıca model, simüle edilen dünyayla eşleşen gerçek zamanlı ses üretiyor; müzik, çevresel sesler ve etkileşimli diyaloglar da dahil.
Genie 4'ün çıkışı, yapay zekâ video girişimi Runway'in ikinci dünya modeli GWM Worlds 2'yi yayınlamasının birkaç ay sonrasına denk geliyor. GWM Worlds 2, kullanıcı girdilerine dinamik olarak yanıt veren oynanabilir bir model ve ses üretimi içeriyor. Aynı dönemde dünya modeli sektörü konsolidasyon sürecine giriyor. Fei-Fei Li'nin World Labs'ı AMD tarafından satın alınıyor, Amazon Decart'ı satın almak için görüşmelerde ve Rivian da kendi başına otonom sürüş testleri için simülasyon kapasitesi oluşturmak amacıyla Third Dimension'ı satın aldı.
Genie 4, Google'ın kalabalık alanda önde kalma yönündeki en yeni hamlesi.
Google, selefi Genie 3'ü bir yılı biraz aşkın süre önce araştırma önizlemesi olarak yayınlamıştı. Ses özelliğinin yanı sıra Genie 4, hava durumunu veya kamera açısını gerçek zamanlı değiştirmek ya da yeni insanlar ve nesneler eklemek gibi serbest biçimli düzenlemelere izin veriyor. Selefinin sınırının iki katı olan iki dakikaya kadar tutarlı sahne koruyabiliyor ve daha iyi fizik ile daha insan benzeri karakterler sunuyor.
Google'ın yapay zekâ modeli Gemini, Genie 4 ile daha sıkı entegre çalışıyor ve adımları planlayan, kareleri kontrol eden yönetmen rolünü üstleniyor; Genie ise görselleri oluşturuyor. Gemini Robotics'e bağlı bir araştırma deneyinde, Gemini 4 Argon modeli görevleri adımlara ayırdı ve Genie 4 bunları gerçek zamanlı olarak simüle etti. Deney, robot senaryolarının gerçek dünyada gerçekleşmeden önce simülasyonda test edilebileceği olası bir yolu gösteriyor.
Google'da araştırma direktörü Tejas Kulkarni, brifing sırasında şunları söyledi: "Gelecekte giderek daha fazla bu tür hibrit dünya modellerini göreceğiz; Gemini'nin kod ve metin yazması ile Genie'nin bunu gerçek zamanlı olarak alıp farklı soyutlama seviyelerinde gerçekliği simüle etmesi kombinasyonu olacak."
Diğer dünya modellerinde olduğu gibi öne sürülen ticari kullanım alanları oyun, etkileşimli öğrenme ve robotik. Etkileşimli öğrenme için spekülatif bir örnek, tarihi bir sahnenin resmine girip tasvir edilen olay hakkında resmin konularıyla sohbet etmek olurdu.
Ama Google'ın en yeni ürünlerine ilk erişimi olan "güvenilir test kullanıcıları" olası yeni bir kullanım alanı olarak film prototipleme işaret ediyor.
Google DeepMind mühendisi Diego Rivas, basın brifinginde şunları söyledi: "Gerçek zamanlı olma özelliği, yaratıcılık alanında akış halinde kalmanın son derece faydalı olduğu alanlarda en değerli hale geliyor. Örneğin fikir üretme aşamasında, hikâye tahtası aşamasında — hızlı fikir üretimine ihtiyaç duyulan her an."
Google ayrıca metin, görüntü veya video istemlerinden yerleşik senkronize sesle yüksek çözünürlüklü klipler üreten yapay zekâ video üretim modeli Veo'yu da sunuyor; bu araç film yapımcıları arasında giderek popülerleşiyor.
Rivas, kullanıcıların sonunda Gemini Omni'ye güvenebileceğini ekledi; bu çok modlu büyük dil modeli görüntülerden, seslerden ve metinden video üretebiliyor ve bu prototipleri yaratıcı varlıklara dönüştürebiliyor. Bu yeteneklerin, dediğine göre, hâlâ biraz uzak olduğu belirtiliyor.
Brifing boyunca Rivas, Genie 4 için hâlâ erken günler olduğunu ve uçtan uca ürün deneyiminin ne olacağının henüz net olmadığını vurguladı. Ekip ayrıca Genie 4'ün hâlâ eksikleri olduğunu da kabul etti: simülasyon ne kadar uzun sürerse detaylar ve nesneler o kadar kayabiliyor ve sesin doğru olacağının ve dünyadaki metinlerin okunabilir olacağının nasıl sağlanacağı hâlâ tam olarak çözülememiş.
Genie 4 şu anda güvenilir test kullanıcıları için araştırma önizlemesi olarak erişilebilir. Önümüzdeki haftalarda model, metin veya görüntü istemlerinden etkileşimli dünyalar üreten Google'ın yapay zekâ aracı Project Genie üzerinden Google AI Ultra abonelerine, Gemini API'nin erken erişim ortaklarına ve Google AI Studio'ya sunulacak.
