مدل جدید دیپ‌مایند می‌تواند محیط‌های پویا با فیزیک، صدا و شخصیت‌های واکنش‌پذیر بسازد؛ هرچند حفظ انسجام جهان در بلندمدت همچنان یک چالش است.
شرکت گوگل از نسل جدید مدل شبیه‌سازی جهان خود با نام Genie 4 رونمایی کرده است؛ مدلی که فراتر از تولید ویدئوهای معمولی، محیط‌هایی تعاملی می‌سازد که کاربران می‌توانند در آن‌ها حرکت کنند، زاویه دوربین را تغییر دهند و با فرمان‌های متنی، رویدادها و شرایط محیط را به‌صورت لحظه‌ای تغییر دهند.
بر اساس اعلام گوگل دیپ‌مایند، این مدل می‌تواند ظاهر محیط، رفتار شخصیت‌ها، صداها و واکنش‌های فیزیکی را در یک تجربه پیوسته ترکیب کند. به این ترتیب، کاربر به‌جای تماشای یک ویدئوی از پیش ساخته‌شده، وارد جهانی می‌شود که در واکنش به اقدامات او تغییر می‌کند.
یکی از قابلیت‌های کلیدی Genie 4، امکان کنترل محیط با زبان طبیعی است. کاربران می‌توانند هنگام اجرای شبیه‌سازی، آب‌وهوا را تغییر دهند، اشیا یا شخصیت‌های تازه‌ای به صحنه اضافه کنند و حرکت دوربین را هدایت کنند. شخصیت‌های مجازی نیز می‌توانند متناسب با رویدادهای محیط واکنش نشان دهند.
این مدل همچنین از تولید بومی صدا بهره می‌برد؛ قابلیتی که صداهای محیطی، موسیقی و گفت‌وگوی شخصیت‌ها را با اتفاقات جهان شبیه‌سازی‌شده هماهنگ می‌کند. گوگل تلاش کرده است رفتار انسان‌ها نیز طبیعی‌تر باشد و حرکات و واکنش‌های آن‌ها با شرایط محیط سازگاری داشته باشد.
گوگل دیپ‌مایند، شبیه‌سازی جهان را یکی از مسیرهای مهم توسعه هوش مصنوعی می‌داند. محیط‌های تعاملی Genie 4 می‌توانند برای آموزش ربات‌ها، آزمایش رفتار عامل‌های هوشمند و بررسی عملکرد سامانه‌ها پیش از ورود به دنیای واقعی استفاده شوند.
این شرکت همچنین در حال بررسی همکاری Genie 4 با مدل‌های خانواده جمنای و سامانه‌های رباتیک خود است. در این ساختار، جمنای می‌تواند یک هدف پیچیده را به مراحل کوچک‌تر تقسیم کند و روند اجرای آن را هدایت کند؛ درحالی‌که جینی محیط بصری و واکنش‌های آن را تولید می‌کند. این همکاری می‌تواند زمینه را برای آزمایش وظایف چندمرحله‌ای در محیط‌های شبیه‌سازی‌شده فراهم کند.
با وجود پیشرفت‌های این مدل، Genie 4 هنوز در مرحله آزمایشی قرار دارد. به گفته دیپ‌مایند، جزئیات بصری و ماندگاری اشیا ممکن است در طول زمان دچار تغییر شوند و اجرای طولانی یا اعمال فرمان‌های متعدد می‌تواند انسجام محیط را مختل کند.
گوگل همچنین اعلام کرده است که این مدل پیش از عرضه آزمایشی، ارزیابی‌های ایمنی را پشت سر گذاشته و از سازوکارهای محافظتی برای کاهش احتمال تولید محتوای زیان‌بار استفاده می‌کند.
عرضه این مدل در مرحله نخست به‌صورت پیش‌نمایش پژوهشی برای گروهی از آزمایش‌کنندگان مورداعتماد آغاز شده است. گوگل قصد دارد دسترسی را در ادامه به مشترکان Google AI Ultra از طریق Project Genie و همچنین برخی شرکای دسترسی زودهنگام Gemini API و Google AI Studio گسترش دهد.
علاقه‌مندان نیز می‌توانند برای دریافت دسترسی به Project Genie در فهرست انتظار آن ثبت‌نام کنند.
کد خبر ۲۱۲۰۵۰۸۰۶.۶۷۴
منبع: دیپ مایند.گوگل
