Google DeepMind ha presentato il 27 ottobre il suo nuovo modello di mondi, Genie 4. Il modello genera in tempo reale ambienti virtuali interattivi in cui l'utente può muoversi, e lo fa per la prima volta con il suono.
Cos'è successo?
Secondo DeepMind, Genie 4 è il primo modello di mondi in tempo reale dell'azienda a generare direttamente il suono. Ogni mondo porta con sé il proprio suono ambientale: il vento tra gli alberi, le onde che arrivano a riva o la musica. Secondo Ars Technica, la novità più grande è il parlato umano: dialoghi che si adattano al variare della simulazione. Anche le persone nella scena si muovono in modo più naturale rispetto alla versione precedente.
L'utente può guidare un mondo in funzione con semplice testo. È possibile cambiare il tempo, spostare la telecamera o aggiungere alla scena nuove persone e oggetti; i comandi sono interpretati dai modelli Gemini. DeepMind posiziona il modello come ambiente di addestramento per robot e agenti di IA, come prototipo nella progettazione di videogiochi e come strumento di previsualizzazione nel cinema. Sono stati condivisi anche esempi che trasformano una singola fotografia d'archivio in una scena esplorabile.
Per ora il modello è aperto solo a utenti di test selezionati. L'accesso si estenderà presto in modo graduale agli abbonati a Google AI Ultra tramite Project Genie e ai partner di accesso anticipato dell'API Gemini e di AI Studio.
Perché è importante?
I modelli di mondi significano che l'intelligenza artificiale non produce solo testo o immagini, ma ambienti che funzionano con regole proprie. Questo può consentire di provare i robot in migliaia di scenari prima che escano nel mondo reale, e di accelerare anche la produzione di videogiochi e film. I limiti, però, sono chiari: secondo Ars Technica, i mondi restano coerenti solo per alcuni minuti. Anche DeepMind ammette che gli oggetti possono spostarsi nel tempo e che le interazioni fisiche complesse e la coerenza di lungo periodo restano oggetto di ricerca.