Google DeepMind, 27 Ekim'de yeni dünya modeli Genie 4'ü tanıttı. Model, kullanıcının içinde dolaşabildiği etkileşimli sanal ortamları gerçek zamanlı üretiyor ve bunu ilk kez sesle birlikte yapıyor.
Ne oldu?
DeepMind'a göre Genie 4, şirketin sesi doğrudan üreten ilk gerçek zamanlı dünya modeli. Her dünya kendi ortam sesini taşıyor: ağaçlardaki rüzgâr, kıyıya vuran dalgalar ya da müzik. Ars Technica'ya göre en büyük yenilik insan konuşması; simülasyon değiştikçe uyum sağlayan diyaloglar. Sahnedeki insanlar da önceki sürüme göre daha doğal hareket ediyor.
Kullanıcı, çalışan bir dünyayı düz yazıyla yönlendirebiliyor. Havayı değiştirmek, kamerayı oynatmak ya da sahneye yeni kişi ve nesneler eklemek mümkün; komutları Gemini modelleri yorumluyor. DeepMind modeli robotlar ve yapay zekâ ajanları için eğitim ortamı, oyun tasarımında prototip ve filmlerde ön görselleştirme aracı olarak konumluyor. Tek bir arşiv fotoğrafını gezilebilir bir sahneye dönüştüren örnekler de paylaşıldı.
Şimdilik model yalnızca seçilmiş test kullanıcılarına açık. Erişim yakında Project Genie üzerinden Google AI Ultra abonelerine ve Gemini API ve AI Studio'nun erken erişim ortaklarına aşamalı olarak genişleyecek.
Neden önemli?
Dünya modelleri, yapay zekânın yalnızca metin ya da görüntü değil, kendi kurallarıyla işleyen ortamlar üretmesi demek. Bu, robotların gerçek dünyaya çıkmadan binlerce senaryoda denenmesini sağlayabilir, oyun ve film yapımını da hızlandırabilir. Sınırlar ise açık: Ars Technica'ya göre dünyalar yalnızca birkaç dakika tutarlı kalıyor. DeepMind da nesnelerin zamanla kayabildiğini, karmaşık fiziksel etkileşimlerin ve uzun süreli tutarlılığın hâlâ araştırma konusu olduğunu kabul ediyor.