كشفت Google DeepMind يوم 27 أكتوبر عن نموذج العالم الجديد Genie 4. ينتج النموذج في الزمن الحقيقي بيئات افتراضية تفاعلية يستطيع المستخدم التجوّل داخلها، ويفعل ذلك للمرة الأولى مع الصوت.
ماذا حدث؟
بحسب DeepMind، Genie 4 هو أول نموذج عالم في الزمن الحقيقي ينتج الصوت مباشرة. يحمل كل عالم صوت محيطه: الريح في الأشجار أو الأمواج على الشاطئ أو الموسيقى. وبحسب Ars Technica فإن أكبر جديد هو الكلام البشري: حوارات تتكيف مع تغيّر المحاكاة. كما يتحرك الأشخاص في المشهد بشكل أكثر طبيعية مقارنة بالإصدار السابق.
يستطيع المستخدم توجيه عالم قيد التشغيل بنص عادي. يمكن تغيير الطقس أو تحريك الكاميرا أو إضافة أشخاص وأشياء جديدة إلى المشهد، وتفسّر نماذج Gemini هذه الأوامر. وتضع DeepMind النموذج بوصفه بيئة تدريب للروبوتات ووكلاء الذكاء الاصطناعي، ونموذجًا أوليًا في تصميم الألعاب، وأداة للتصور المسبق في الأفلام. وشُوركت أيضًا أمثلة تحوّل صورة أرشيفية واحدة إلى مشهد قابل للتجوّل.
حاليًا النموذج متاح فقط لمستخدمين مختارين للاختبار. وسيتوسع الوصول تدريجيًا قريبًا إلى مشتركي Google AI Ultra عبر Project Genie، وإلى شركاء الوصول المبكر في Gemini API وAI Studio.
لماذا يهم الأمر؟
نماذج العالم تعني أن الذكاء الاصطناعي لا ينتج نصًا أو صورة فقط، بل بيئات تعمل بقواعدها الخاصة. قد يتيح ذلك تجربة الروبوتات في آلاف السيناريوهات قبل نزولها إلى العالم الحقيقي، وقد يسرّع صناعة الألعاب والأفلام. لكن الحدود واضحة: بحسب Ars Technica تبقى العوالم متماسكة لبضع دقائق فقط. وتقر DeepMind أيضًا بأن الأشياء قد تنزاح مع الوقت، وأن التفاعلات الفيزيائية المعقدة والتماسك طويل الأمد ما زالا موضوع بحث.