Genie 4: ИИ от Google создаёт мир, по которому можно ходить

27 октября Google DeepMind представила Genie 4. Это так называемая модель мира: она не рисует картинку или ролик, а создаёт интерактивное пространство в реальном времени. По нему можно перемещаться с клавиатуры, как в компьютерной игре, а текстовыми командами менять то, что происходит вокруг.

Что она умеет

По данным Google, Genie 4 просчитывает физику, например полёт предметов и столкновения. В мире появляются люди, которые двигаются и реагируют на происходящее. Новое в этой версии — звук: модель сама создаёт фоновые шумы и музыку, а с персонажами можно разговаривать, и они отвечают на действия пользователя. Google называет Genie 4 первой моделью такого рода, которая генерирует звук в реальном времени.

Пока это исследовательская версия для ограниченного круга тестировщиков. Дальше доступ получат подписчики самого дорогого тарифа Google AI Ultra и разработчики из программы раннего доступа. Все видео и звук помечаются невидимым водяным знаком SynthID.

Где пределы

Google сама перечисляет ограничения. Мир остаётся связным только в коротких сессиях, со временем детали и предметы начинают «плыть». Сложная физика, точность звука, читаемый текст и расположение объектов в пространстве пока работают неидеально.

Практическое значение здесь шире, чем игры. Такие модели нужны, чтобы обучать роботов и ИИ-агентов в виртуальной среде, быстро делать прототипы игр и учебных симуляторов, показывать идею сцены без съёмок. Сейчас это скорее демонстрация направления, чем готовый продукт: короткие сессии и закрытый доступ. Но путь от «ИИ рисует картинку» до «ИИ строит мир, в котором можно действовать» оказался заметно короче, чем казалось пару лет назад.

Источник: Google DeepMind.