مدل Genie 4 گوگل معرفی شد؛ ساخت جهان‌های تعاملی با صدا و تغییرات لحظه‌ای [تماشا کنید]

گوگل از جدیدترین مدل جهانی خود با نام Genie 4 رونمایی کرد که می‌تواند محیط‌های تعاملی واقع‌گرایانه‌تری بسازد، صدای متناسب با محیط تولید کند و به کاربران امکان دهد در جریان شبیه‌سازی، با نوشتن دستور متنی صحنه را تغییر دهند. این مدل در مرحله Research Preview قرار دارد و برای ساخت نمونه‌های اولیه بازی، پیش‌نمایش فیلم و شبیه‌سازی سناریوهای رباتیک به کار می‌رود.

به‌گفتهگوگلGenie 4 در مقایسه با نسل قبلی خودGenie 3محیط‌هایی واقع‌گرایانه‌تر تولید می‌کند و امکان ویرایش آزادانه آن‌ها را در لحظه فراهم می‌سازد. کاربران می‌توانند هنگام اجرای شبیه‌سازی، با دستورهای متنی آب‌وهوا یا زاویه دوربین را تغییر دهند و افراد یا اشیای تازه‌ای به محیط اضافه کنند.

این مدل همچنین می‌تواند موسیقی، صداهای محیطی و گفت‌وگوهای تعاملی متناسب با جهان شبیه‌سازی‌شده تولید کند. مدت‌زمان حفظ پیوستگی صحنه نیز از یک دقیقه در Genie 3 به حدود دو دقیقه افزایش یافته است. گوگل از بهبود فیزیک محیط و طبیعی‌تر شدن شخصیت‌های انسانی نیز خبر می‌دهد.

عملکرد و کاربرد مدل Genie 4 گوگل

گوگل مدل هوش مصنوعی جمینای را نیز بیشتر با Genie 4 یکپارچه کرده است. در این ساختار، جمینای می‌تواند مراحل انجام یک کار را برنامه‌ریزی و فریم‌های تولیدشده را بررسی کند، درحالی‌که Genie 4 محیط بصری را می‌سازد.

در آزمایشی پژوهشی مرتبط با Gemini Robotics، مدلی از خانواده Gemini وظایف را به مراحل کوچک‌تر تقسیم کرد و Genie 4 آن‌ها را در لحظه شبیه‌سازی کرد. این آزمایش روشی بالقوه را برای بررسی سناریوهای رباتیک در محیط مجازی، پیش از اجرای آن‌ها در دنیای واقعی، نشان می‌دهد.

مدیر پژوهش گوگل در جلسه معرفی این مدل گفت

«آنچه به‌تدریج در آینده بیشتر خواهیم دید، مدل‌های جهانی ترکیبی هستند؛ مدل‌هایی که در آن‌ها جمینای کد و متن می‌نویسد و Genie آن‌ها را در لحظه دریافت می‌کند و واقعیت را در سطوح مختلف انتزاع شبیه‌سازی می‌کند.»

گوگل Genie 4 را ابزاری بالقوه برای بازی‌سازی، آموزش تعاملی و رباتیک معرفی می‌کند. برای مثال، در حوزه آموزش تعاملی می‌توان محیطی مبتنی بر یک نقاشی تاریخی ساخت تا کاربران با شخصیت‌های حاضر در تصویر درباره رویداد به‌تصویرکشیده‌شده گفت‌وگو کنند.

البته گوگل می‌گوید حالا Genie 4 هنوز در مراحل ابتدایی توسعه قرار دارد و تجربه نهایی استفاده از آن مشخص نشده است. یکی از محدودیت‌های فعلی مدل این است که با طولانی‌تر شدن شبیه‌سازی، جزئیات محیط و موقعیت اشیا ممکن است به‌تدریج تغییر کنند. تیم توسعه همچنین هنوز راهکار کاملی برای تضمین دقت صداها و خوانا ماندن نوشته‌های داخل محیط‌های تولیدشده پیدا نکرده است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.