Riassunto:
Il 27 ottobre Google ha rilasciato Genie 4, una nuova generazione di modello mondiale di intelligenza artificiale, che migliora ulteriormente il realismo degli ambienti interattivi generati dall'intelligenza artificiale e aggiunge la possibilità di modificare le scene in tempo reale e generare automaticamente l'audio. A differenza dei tradizionali modelli di generazione di immagini che riproducono principalmente immagini o video statici, Genie 4 può creare un mondo virtuale in cui gli utenti possono partecipare e interagire. Si prevede che le tecnologie correlate verranno applicate in campi quali lo sviluppo di giochi, la produzione cinematografica e televisiva e l’addestramento dei robot.
Genie 4 questa volta apporta principalmente quattro aggiornamenti: genera un ambiente virtuale più realistico, consente agli utenti di cambiare la scena in tempo reale tramite istruzioni in linguaggio naturale, aggiunge automaticamente l'audio al mondo generato e utilizza il modello Flash di Google Gemini 3.8 per assistere il processo di simulazione. Inoltre, il nuovo modello può generare esperienze interattive fino a circa due minuti, ovvero il doppio della durata supportata dalla generazione precedente Genie 3.
Il modello mondiale è una delle direzioni importanti della ricerca sull'intelligenza artificiale negli ultimi anni. L’intelligenza artificiale generativa tradizionale di solito genera immagini, video o altri contenuti basati su istruzioni testuali, mentre i modelli mondiali fanno un ulteriore passo avanti e cercano di apprendere le relazioni spaziali nell’ambiente, i modelli di movimento degli oggetti e la connessione tra azioni e risultati. Il contenuto generato dal modello non è più solo visibile agli utenti, ma può continuare a cambiare con le operazioni dell'utente.
Ad esempio, in un ambiente virtuale generato dall'intelligenza artificiale, gli utenti possono controllare il personaggio per muoversi, cambiare la direzione di visione o interagire con gli oggetti nella scena. Il modello deve generare continuamente immagini successive basate su queste operazioni e mantenere il più possibile la coerenza dell'ambiente. Tali capacità hanno un valore potenziale per giochi, simulazioni di robot e formazione in ambienti complessi.
Un importante miglioramento di Genie 4 è che gli utenti possono modificare il mondo virtuale attraverso istruzioni in linguaggio naturale durante l'esperienza. Invece di uscire dalla scena corrente, riscrivere le parole suggerite e generarle da zero, gli utenti possono chiedere direttamente al modello di modificare determinati elementi nell'ambiente per adattare rapidamente il design della scena.
Questa funzionalità può essere particolarmente utile per gli sviluppatori di giochi e i team di produzione cinematografica e televisiva. Prima di investire ufficialmente molte risorse nella produzione, i creatori possono utilizzare l'intelligenza artificiale per generare prototipi preliminari di scene, provare diversi layout ambientali, stili visivi e metodi di interazione, e quindi decidere quali soluzioni meritano un ulteriore sviluppo.
Per la produzione cinematografica, questo tipo di tecnologia può essere utilizzata anche nelle anteprime pre-visive. I team di produzione possono costruire rapidamente set virtuali per esplorare i movimenti della telecamera, i percorsi dei personaggi e gli effetti ambientali senza dover costruire immediatamente set reali o creare risorse 3D complesse.
Genie 4 aggiunge anche funzionalità di generazione audio. Mentre i precedenti modelli mondiali si concentravano principalmente sull’ambiente visivo e sui processi di interazione, il nuovo modello può aggiungere suoni alle scene generate, rendendo l’esperienza virtuale più completa. L'audio può aiutare a simulare l'atmosfera dell'ambiente e può anche fornire effetti sonori preliminari per i prototipi di giochi.
Tuttavia, la generazione automatica dell'audio non significa che il modello possa sostituire completamente la produzione di effetti sonori professionali. Per i progetti che richiedono un controllo preciso del ritmo, del posizionamento spaziale, del dialogo dei personaggi e della relazione sincronizzata tra suono e azione, sono ancora necessarie ulteriori regolazioni manuali e supporto di strumenti professionali.
Google ha inoltre affermato che Genie 4 può essere utilizzato per creare scenari di addestramento dei robot. I robot apprendono e testano le azioni nel mondo reale, il che spesso comporta costi per le attrezzature, vincoli del sito e potenziali rischi per la sicurezza. Se è possibile generare un ambiente simulato interattivo da un modello mondiale, i ricercatori possono testare il modo in cui i robot si muovono, afferrano oggetti e rispondono alle diverse condizioni ambientali in scene virtuali.
La chiave di questo tipo di capacità di simulazione non è solo rendere la scena virtuale realistica, ma anche presentare le relazioni spaziali, i modelli di movimento e le conseguenze delle azioni degli oggetti nel modo più accurato possibile. Solo quando l’ambiente simulato può riflettere in modo più affidabile i vincoli fisici del mondo reale, è più probabile che le strategie apprese dal robot nell’ambiente virtuale vengano trasferite al dispositivo reale.
In termini di architettura tecnica, Genie 4 utilizza Gemini 3.8 Flash per assistere nel processo di simulazione. Google spera di utilizzare le capacità di questo modello per migliorare la coerenza logica e le prestazioni interattive nell'ambiente generato. Tuttavia, la società non ha fornito indicatori tecnici sufficientemente dettagliati in questo rapporto, quindi non è ancora possibile misurare con precisione il miglioramento delle prestazioni complessive rispetto al modello della generazione precedente.
Anche i tempi di costruzione più lunghi rappresentano un cambiamento importante in questo aggiornamento. Genie 3 ha generato esperienze interattive che sono durate circa un minuto, mentre Genie 4 ha esteso questo tempo a circa due minuti. Sebbene due minuti siano ancora piuttosto limitati per un gioco completo o una simulazione complessa, offrono già più spazio per l'esplorazione per la prototipazione rapida e brevi esperienze interattive.
Allo stesso tempo, Google ha anche ammesso che, con l'allungamento della durata della simulazione, potrebbero verificarsi ancora incoerenze nell'ambiente virtuale. Ad esempio, i dettagli di una scena potrebbero cambiare gradualmente e alcuni oggetti potrebbero non mantenere sempre la posizione e lo stato originali. Ciò comporta una difficoltà fondamentale con i modelli mondiali: non solo il modello deve generare un fotogramma successivo che sembri ragionevole, ma deve anche mantenere un ambiente stabile e continuo per un lungo periodo di tempo.
Se un oggetto scompare dopo che l'utente lascia la scena, o cambia improvvisamente posizione quando rientra nella scena, l'intera esperienza apparirà inaffidabile anche se l'immagine stessa è sufficientemente realistica. Pertanto, la persistenza degli oggetti, la memoria spaziale e la coerenza dello stato a lungo termine sono ancora capacità chiave che devono continuare a essere migliorate nei modelli mondiali.
In termini di programma di rilascio, Genie 4 è attualmente aperto a tester selezionati sotto forma di anteprima di ricerca. Google ha dichiarato che verrà lanciato in futuro agli abbonati di Google AI Ultra e ha aperto una lista d'attesa per consentire agli utenti di candidarsi per provare il nuovo modello tramite Project Genie.
Al momento è impossibile giudicare in modo indipendente quanti progressi ha fatto il nuovo modello rispetto alla generazione precedente Genie 3. Le dimostrazioni pubbliche in questa fase provengono principalmente da funzionari di Google. L'effettiva esperienza dell'utente, le prestazioni di interazione a lungo termine e la stabilità del modello in scenari complessi devono ancora essere verificate mediante test successivi.
Dal punto di vista della direzione dello sviluppo del settore, Genie 4 rappresenta che l'intelligenza artificiale generativa si sta espandendo dalla creazione di contenuti alla simulazione ambientale e all'esperienza interattiva. I futuri sistemi di intelligenza artificiale potrebbero non solo generare un’immagine o un video in base a un suggerimento, ma potrebbero anche costruire direttamente uno spazio virtuale che può essere esplorato, modificato e con cui si può interagire.
Tuttavia, affinché questa tecnologia diventi davvero uno strumento pratico nello sviluppo di giochi, nell'addestramento dei robot o nella produzione cinematografica e televisiva, è ancora necessario risolvere problemi quali la coerenza a lungo termine, l'accuratezza della simulazione fisica, la velocità di risposta interattiva e i costi di produzione. Genie 4 è attualmente più un importante progresso sperimentale in questa direzione, piuttosto che un prodotto maturo in grado di sostituire i motori di gioco tradizionali o gli strumenti di produzione 3D professionali.
Richiedi l'accesso a Genie 4 in Project Genie:
https://docs.google.com/forms/d/e/1FAIpQLSeD73fWVFVUXII27wIaSjdCZCesuGEb5-iZaBSTUpjkX98S0g/viewform?usp=send_form
Commenti