Google DeepMind, en yeni dünya modeli Genie 4'ü salı günü araştırma önizlemesi olarak yayımladı. Şirketin bugüne kadarki en fotogerçekçi ve etkileşimli dünyalarını oluşturabilen model, kullanıcıların simülasyon devam ederken yeni komutlar girerek sahneyi değiştirmesini sağlıyor. Model ayrıca müzik, ortam sesleri ve etkileşimli diyaloglar dâhil olmak üzere simüle edilen dünyayla uyumlu sesleri gerçek zamanlı üretebiliyor.
Google'ın bir yılı biraz aşkın süre önce araştırma önizlemesi olarak yayımladığı Genie 3'ün ardından gelen Genie 4, görsel gerçekçilik ve ses üretiminin ötesinde yeni özellikler sunuyor.
Kullanıcılar, simülasyon devam ederken hava durumunu veya kamera açısını değiştirebiliyor, sahneye yeni insanlar ve nesneler ekleyebiliyor. Model, sahnenin tutarlılığını iki dakikaya kadar koruyabiliyor. Bu süre, önceki modelin sınırının iki katına karşılık geliyor.
Genie 4 ayrıca daha gelişmiş fizik özellikleri ve insanlara daha çok benzeyen karakterler sunuyor.
Google'ın yapay zekâ modeli Gemini, Genie 4 ile daha yakın bir şekilde çalışıyor. Gemini, adımları planlayan ve oluşturulan kareleri kontrol eden bir yönetmen görevi üstlenirken Genie görsel dünyayı oluşturuyor.
Gemini Robotics ile bağlantılı bir araştırma deneyinde Gemini 4 Argon modeli, görevleri adımlara ayırdı ve Genie 4 bu adımları gerçek zamanlı olarak simüle etti. Deney, robotların karşılaşabileceği senaryoların gerçek dünyada uygulanmadan önce simülasyon ortamında test edilmesi için olası bir yöntem ortaya koydu.
Google'da araştırma direktörü olarak görev yapan Tejas Kulkarni, düzenlenen bilgilendirme toplantısında gelecekte hibrit dünya modellerinin giderek daha fazla görüleceğini belirtti. Kulkarni, bu yaklaşımda Gemini'nin kod ve metin oluşturacağını, Genie'nin ise bunları gerçek zamanlı olarak işleyerek gerçekliği farklı soyutlama düzeylerinde simüle edeceğini söyledi.
Diğer dünya modellerinde olduğu gibi Genie 4 için de öne çıkarılan ticari kullanım alanları arasında oyunlar, etkileşimli öğrenme ve robotik bulunuyor.
Etkileşimli öğrenmeye ilişkin varsayımsal örneklerden biri, tarihî bir olayı tasvir eden tablonun içine girerek resimdeki kişilerle anlatılan olay hakkında sohbet edebilmek.
Ancak Google'ın en yeni ürünlerine ilk erişen güvenilir test kullanıcıları, Genie 4 için başka bir olası kullanım alanına da dikkat çekiyor: film projeleri için prototip oluşturmak.
Google DeepMind mühendisi Diego Rivas, basın toplantısında gerçek zamanlı etkileşimin özellikle yaratıcı sürecin kesintisiz sürdürülmesinin önemli olduğu alanlarda değer kazandığını söyledi. Rivas, fikir geliştirme ve storyboard hazırlama aşamalarını hızlı fikir üretimine ihtiyaç duyulan süreçlere örnek gösterdi.
Google'ın hâlihazırda sunduğu Veo modeli de metin, görsel veya video komutlarından senkronize ses içeren yüksek çözünürlüklü video klipler oluşturabiliyor. Bu araç, film yapımcıları arasında giderek daha popüler hâle geliyor.
Rivas'a göre kullanıcılar gelecekte görüntü, ses ve metinden video üretebilen çok modlu büyük dil modeli Gemini Omni'den yararlanarak bu prototipleri yaratıcı çalışmalarda kullanılabilecek içeriklere dönüştürebilir. Ancak Rivas, bu yeteneklerin hayata geçirilmesine henüz zaman olduğunu belirtti.
Rivas, bilgilendirme toplantısı boyunca Genie 4 için henüz çok erken bir aşamada olunduğunu ve uçtan uca ürün deneyiminin nasıl şekilleneceğinin henüz netleşmediğini vurguladı.
Ekip, modelin hâlâ bazı eksikleri bulunduğunu da kabul etti. Simülasyon süresi uzadıkça ayrıntılar ve nesneler başlangıçtaki hâllerinden sapabiliyor. Ayrıca ekip, oluşturulan seslerin doğru olmasını ve sanal dünyadaki yazıların okunabilir olmasını nasıl sağlayacağını henüz tam olarak çözebilmiş değil.
Genie 4, şu anda güvenilir test kullanıcılarına yönelik araştırma önizlemesi olarak erişime açık.
Google, önümüzdeki haftalarda modeli Google AI Ultra abonelerine, metin veya görsel komutlarla etkileşimli dünyalar oluşturmaya yarayan Project Genie üzerinden sunacak.
Model aynı zamanda Gemini API ve Google AI Studio'nun erken erişim ortaklarına da açılacak.
Kaynak: TechCrunch