Google razvija številne modele generativne umetne inteligence, med njegovimi posebej zanimivimi projekti pa je model sveta Genie. Širšo javnost je prvič močneje pritegnil poleti 2025, ko je podjetje predstavilo Genie 3 z možnostjo ustvarjanja interaktivnega grafičnega prostora. Zdaj je tu nova različica, ki prinaša pomemben korak naprej.
Genie 4, ki ga razvija DeepMind, je doslej najboljši model sveta. Ustvarja interaktivna okolja, ki jih lahko uporabniki v realnem času raziskujejo in spreminjajo z navodili v naravnem jeziku. Vsaka sprememba takoj vpliva na potek simulacije in izkušnjo oblikuje po uporabnikovih željah.
V primerjavi s prejšnjimi generacijami Genie 4 poleg slike zmore neposredno ustvarjati tudi zvoke in dialoge ter tako zaokroži izkušnjo.
Genie 4 ni običajen model za ustvarjanje videoposnetkov, temveč interaktivni simulator, pri katerem je občutek zelo podoben vstopu v računalniško igro. Uporabnik vnese poljubno besedilno navodilo in se lahko takoj potopi v ustvarjeni svet, v katerem s tipkovnico in miško upravlja premikanje in pogled. Dokler simulacija traja, se lahko prosto razgleduje in raziskuje prostor.
Najbolj izstopajoča zmožnost novega modela Genie je »sprotno upravljanje«: uporabnik lahko med potekom simulacije z vnašanjem besedilnih navodil spreminja okolje. Tako lahko virtualni prostor nenehno širi, spreminja pa lahko tudi razmere v njem, denimo vreme ali čas dneva na prostem. Z ukazi spreminja tudi položaj kamere in pridobiva nova orodja. Nekoliko spominja na vnašanje goljufivih kod v igri GTA.
Zaradi prenovljene arhitekture in tehnoloških izboljšav lahko simulacija posameznega sveta teče dlje kot prej, vendar je ta čas še vedno zelo kratek. Uporabnikom sta na voljo le dve minuti, saj lahko Genie 4 toliko časa zagotavlja stabilnost in skladnost zamišljenega prizora. To je dvakrat toliko, kot je leta 2025 zmogel Genie 3. V simulacijah bi bilo sicer že zdaj mogoče ostati precej dlje, vendar se nato začnejo pojavljati napake, izguba konteksta in podobne težave. Google zato uporabo omejuje s časom in ne s številom žetonov.
Ustvarjanje zvoka, ki ga uvaja Genie 4, vsakemu virtualnemu prostoru daje lastno zvočno okolje. Šumenje vetra, žuborenje tekoče vode in zvok korakov nastajajo v realnem času ter se prilagajajo dogajanju. Izkušnja v simulaciji bo zato precej bolj pristna, virtualni prostor pa bo uporabnike še bolj prevzel. Če je v prizoru več ljudi, liki ne bodo le molče hodili naokrog, temveč se bodo lahko zapletli v pogovor in nagovorili tudi uporabnika. Interaktivnost bo tako zajela tudi pogovore, izgovorjene besede pa bodo vplivale na razvoj sveta.
Pomembna je tudi realistična fizika z gravitacijo in medsebojnimi vplivi. Model sveta Genie 4 simulira posledice trkov predmetov, vpliv vetra na drevesa in celo gibanje vode. Tudi list, ki pade v vodo, bo vzvalovil gladino in ob tem povzročil zvok. Ko pa bo uporabnik zabredel v jezero, bo to povzročilo precej več hrupa in večje valove.
Raziskovalci pri DeepMindu za stabilno delovanje modela Genie 4 uporabljajo skoraj vse pomembnejše modele Gemini. Gemini Omni ustvarja številne elemente vizualnega sveta, denimo teksture in realistične vzorce vedenja. Gemini 3.8 Flash kot notranji agent simulacije v ozadju nenehno spremlja ustvarjene sličice, preverja uporabnikove cilje in pomaga ohranjati prostorsko doslednost ter tako preprečuje, da bi svet razpadel.
Raziskovalci so v Genie 4 poskusno vključili tudi Gemini 4 Argon. Z njim so ustvarili zelo zapletene simulacije, v katerih se je robot premikal povsem realistično, njegovi udi pa so se gibali tako kot v resničnem svetu. Za robota so pravzaprav ustvarili digitalnega dvojčka za simuliranje različnih situacij, s katerim lahko robota tudi učijo. To ni izmišljotina: Genie 4 je na ta način dejansko sodeloval pri učenju robota Apptronik Apollo.
Po mnenju raziskovalcev pri Google DeepMindu je razvoj modelov sveta eden ključnih korakov na poti do splošne umetne inteligence (AGI). V prihodnje bi lahko pomembno prispeval k robotiki, razvoju agentov, ustvarjalnim panogam, kot je filmska produkcija, in razvoju iger.
Razvijalci so v svojem poročilu povedali tudi, da je tehnologija še daleč od splošne uporabnosti. Še veliko časa bo minilo, preden bo mogoče sesti za računalnik in namesto zagona priljubljene igre z besedilnimi navodili začeti ustvarjati lasten svet po trenutnem navdihu ali s to tehnologijo posneti film. Daljši prizori in zaporedne spremembe povzročijo razpad simulacije. Tudi Genie 4 ima še vedno težave z besedilom, zahtevnejšo fiziko pa obvlada le, če mu opišejo, kaj se mora zgoditi.
Za preprečevanje zlorab bodo vsi video- in zvočni posnetki, ustvarjeni z modelom Genie 4, opremljeni z Googlovim »nevidnim« digitalnim prstnim odtisom SynthID. Tako bo mogoče zlorabe preprečiti ali vsaj omejiti, saj bodo družbena omrežja, na katerih bi se takšne vsebine lahko širile, te posnetke označevala.
Genie 4 je trenutno mogoče preizkusiti kot raziskovalno predogledno različico z omejenim dostopom. Širše uvajanje bo potekalo postopoma: kdor bo plačal več, bo dostop dobil prej, kar najbrž ne bo nikogar presenetilo. Najprej bodo na vrsti naročniki paketa Google AI Ultra, vendar se bodo morali tudi oni vpisati na čakalni seznam.
