גוגל משיקה את Genie 4: עולמות וירטואליים שנוצרים בזמן אמת, הפעם עם סאונד
Google DeepMind, זרוע המחקר של אלפאבית, מציגה את Genie 4, הדור הבא של "מודל העולם" שלה: מערכת שמייצרת סביבה תלת-ממדית אינטראקטיבית בזמן אמת, שבה המשתמש יכול לנוע, לפעול ולשנות את מה שקורה סביבו. החידוש המרכזי בגרסה הזו הוא שמע: המודל מייצר באופן מובנה קולות סביבה, מוזיקה ודיאלוג אינטראקטיבי, שמשתנים בהתאם לפעולות המשתמש.
בפועל, אפשר לכתוב תיאור של סצנה, למשל רחוב גשום בעיר עתידנית, ולקבל עולם שאפשר להסתובב בו, כשהגשם נשמע על המדרכה והדמויות מגיבות בקול. Genie 4 מאפשר גם לשנות את העולם תוך כדי תנועה באמצעות הנחיות בשפה טבעית: להזיז את המצלמה, לשנות את מזג האוויר או להוסיף דמויות לסצנה.
הידעת?מה ההבדל בין מודל עולם למחולל וידאו?
Gemini כעוגן למציאות
לפי דיפמיינד, Genie 4 נבנה על בסיס מודלי Gemini, ו-Gemini Omni משמש כעוגן שמשפר את הריאליזם ואת ההבנה של חוקי הפיזיקה בסצנות. זהו שילוב שגוגל מקדמת בעקביות: מודל שפה גדול שמבין את העולם, לצד מודל שמייצר אותו בזמן אמת. כל תוכן שנוצר במערכת מסומן בסימן המים הדיגיטלי SynthID, שמאפשר לזהות אותו כתוצר AI.
הפריסה הדרגתית ומבוקרת, בדומה להשקות קודמות של מודלים רגישים בגוגל. בשלב הראשון המודל זמין כתצוגת מחקר לקבוצת בודקים מהימנים, ובהמשך, לפי גוגל, הוא ייפתח למנויי Google AI Ultra דרך Project Genie, ולשותפים נבחרים דרך Gemini API ו-AI Studio. גוגל מציינת גם מגבלות מוכרות: הסביבה עלולה "לסטות" ולאבד עקביות בסשנים ארוכים, השמע מדויק חלקית, והמודל מתקשה לייצר טקסט קריא בתוך הסצנה.
הידעת?מה זה SynthID?
למה זה חשוב לגוגל
מודלי עולם נחשבים לאחד הכיוונים האסטרטגיים בתעשייה. מעבר לבידור ולמשחקים, הם משמשים "מגרש אימונים" לסוכני AI ולרובוטים: במקום לאסוף נתונים יקרים בעולם האמיתי, אפשר לייצר אינסוף סצנות מגוונות ולתרגל בהן קבלת החלטות. עבור גוגל, שמשקיעה במקביל ברובוטיקה ובסוכנים, יכולת כזו עשויה להפוך ליתרון תחרותי. רובוט מחסן, למשל, יכול לתרגל אלפי תרחישים של מדפים, קופסאות ומכשולים בסביבה מדומה, לפני שהוא נוגע במוצר אמיתי, וכך לקצר את זמן הפיתוח ולהוזיל אותו. גם רכבים אוטונומיים ומערכות תעשייתיות יכולים ליהנות מסימולציות כאלה, שבהן קל לייצר תרחישי קצה נדירים ומסוכנים.
התחרות בתחום מתעצמת, ומעבדות נוספות מפתחות מודלים דומים. ההבדל של גוגל הוא השילוב בין מחקר, מודלי Gemini ותשתית מחשוב עצמית, שמאפשרת להריץ מודל כבד בזמן אמת. להרחבה: גוגל ואמזון פותחות את השבבים שלהן ל-PyTorch.
השאלה המסחרית עדיין פתוחה: הפעלת מודל עולם בזמן אמת דורשת כוח מחשוב רב, וגוגל תצטרך להוכיח שהיא מסוגלת להציע אותו בעלות סבירה גם מחוץ לחבילת המנוי היקרה ביותר שלה. אם תצליח, Genie עשוי להפוך מכלי מחקר מרשים לפלטפורמה שמפתחי משחקים, יוצרי תוכן וחברות רובוטיקה בונים עליה, ולהפוך לעוד מקור הכנסה עבור חטיבת הענן של אלפאבית, שמוכרת כבר את מודלי Gemini ללקוחות עסקיים. להרחבה על המרוץ בין ענקיות הענן: OpenAI נכנסת לחנות של המתחרה: המודלים שלה יימכרו בענן של גוגל.
