Genie 4 Gerçek Zamanlı Dünyalar Üretiyor

Google DeepMind yeni dünya modeli Genie 4’ü tanıttı.

Google DeepMind, doğal dil komutlarıyla gerçek zamanlı olarak yönlendirilebilen interaktif ortamlar oluşturan yeni dünya modeli Genie 4’ü tanıttı. Model, görsel dünyanın yanında ortam sesleri, müzik ve karakterler arasındaki diyaloğu da eş zamanlı olarak üretebiliyor.

27 Ekim’de duyurulan Genie 4, kullanıcıların oluşturulan dünyanın içinde hareket etmesine ve simülasyon devam ederken doğal dil komutlarıyla ortamı değiştirmesine imkan sağlıyor. Hava koşullarının değiştirilmesi, kameranın hareket ettirilmesi veya sahneye yeni bir kişi ya da nesne eklenmesi gibi müdahaleler gerçek zamanlı olarak gerçekleştirilebiliyor.

Google DeepMind, Genie 4’ü yalnız interaktif içerik üretimine yönelik bir model olarak konumlandırmıyor. Şirketin öne çıkardığı kullanım alanları arasında robotların ve yapay zeka ajanlarının gerçek dünyada çalışmaya başlamadan önce farklı senaryoları güvenli simülasyonlarda deneyebilmesi bulunuyor.

Görüntüyle birlikte sesi de üretiyor

Genie 4’ün önceki dünya modeli çalışmalarından ayrıştığı alanlardan biri yerel ses üretimi.

Model, oluşturduğu ortamın görsel yapısına uygun çevresel sesleri, müziği ve karakter konuşmalarını aynı simülasyon içinde üretebiliyor. Karakterler kullanıcının müdahalelerine ve dünyada gerçekleşen olaylara göre konuşmalarını ve davranışlarını gerçek zamanlı olarak değiştirebiliyor.

Google DeepMind, Genie 4’ün fiziksel dünyadaki hareketleri daha gerçekçi modelleyebildiğini de belirtiyor. Aerodinamik, çarpışmalar, nesne hareketleri ve insanların çevreleriyle etkileşimleri modelin geliştirilmiş alanları arasında bulunuyor.

Kullanıcılar standart klavye kontrolleriyle oluşturulan dünyanın içinde hareket ederken metin komutlarıyla sahnenin akışını değiştirebiliyor.

Gemini modelleri simülasyonu yönlendiriyor

Genie 4’ün arkasındaki sistem yalnız dünya üretim modelinden oluşmuyor.

Google DeepMind, Gemini ailesindeki modelleri de simülasyonun tutarlılığını korumak ve çok aşamalı olayları yönetmek için kullanıyor. Gemini Omni, oluşturulan ortamların gerçek dünyadaki görünüm ve davranışlarla daha uyumlu kalmasına yardımcı oluyor.

Gemini 3.8 Flash ise simülasyon sırasında bir yönlendirme ajanı olarak çalışıyor. Model sahneyi sürekli izliyor, hedefleri adımlara ayırıyor ve her adımın başarıyla gerçekleşip gerçekleşmediğini kontrol ediyor.

Simülasyon değiştiğinde veya kullanıcı müdahale ettiğinde plan da gerçek zamanlı olarak güncelleniyor. Bu yaklaşım, Genie 4’ü yalnız sahne üreten bir sistemden daha karmaşık neden-sonuç ilişkilerini modellemeye çalışan bir simülasyon altyapısına taşıyor.

Robotlar simülasyonda eğitilebilecek

Genie 4’ün teknoloji açısından en önemli kullanım alanlarından biri robotik ve yapay zeka ajanlarının eğitimi.

Gerçek dünyada bir robotun yeni bir görevi öğrenmesi fiziksel ekipman, zaman ve güvenlik maliyeti gerektiriyor. Dünya modelleri ise aynı senaryoların çok sayıda farklı koşul altında sanal ortamda tekrar edilmesine imkan sağlayabiliyor.

Google DeepMind, Genie 4 ile oluşturulan değişken simülasyonların robotlar ve AI ajanları için eğitim ortamı olarak kullanılabileceğini açıkça vurguluyor.

Modelin gösterimlerinden birinde robot kolunun pipetle laboratuvar işlemi gerçekleştirdiği çok aşamalı bir senaryo simüle ediliyor. Gemini modeli işlemin adımlarını planlarken Genie 4 fiziksel ortamı ve olayların nasıl gerçekleştiğini anlık olarak oluşturuyor.

Bu yapı, dünya modellerinin gelecekte otonom araçlardan endüstriyel robotlara kadar fiziksel dünyada hareket eden AI sistemlerinin eğitiminde kullanılabileceğine ilişkin önemli bir örnek sunuyor.

Genie 4 herkese açılmadı

Genie 4 şu anda araştırma ön izlemesi kapsamında sınırlı sayıdaki güvenilir test kullanıcısına sunuluyor.

Google DeepMind, elde edilen geri bildirimlerin ardından modeli daha geniş kullanıcı kitlesine açmayı planlıyor.

İlk aşamada Google AI Ultra abonelerinin Project Genie üzerinden Genie 4’e erişmesi hedefleniyor. Gemini API ve Google AI Studio’nun erken erişim ortaklarının da daha sonraki aşamada modeli kullanabilmesi planlanıyor.

Dolayısıyla Genie 4 bugün Gemini kullanıcılarının tamamına veya geliştiricilerin genel kullanımına açılmış bir ürün olarak değerlendirilmemeli.

Uzun simülasyonlarda sınırlamalar sürüyor

Google DeepMind, Genie 4’ün halen erken aşamadaki bir araştırma modeli olduğunu da belirtiyor.

Model kısa süreli simülasyonlarda tutarlı ortamlar oluşturabiliyor. Ancak simülasyon süresi uzadıkça veya çok sayıda karmaşık değişiklik yapıldığında görsel ayrıntılar ve nesnelerin konumları zaman içinde değişebiliyor.

Karmaşık fiziksel etkileşimler, gerçek zamanlı ses doğruluğu, okunabilir metin üretimi, uzamsal doğruluk ve uzun süreli tutarlılık geliştirilmesi gereken alanlar arasında bulunuyor.

Google ayrıca Genie 4 ile oluşturulan video ve ses içeriklerinin SynthID dijital filigranı taşıyacağını açıkladı.

Genie 4’ün asıl önemi daha gerçekçi sanal dünyalar üretmesinden çok, yapay zekanın eğitim ortamının kendisini üretmeye başlamasında yatıyor. Bugüne kadar büyük modeller ağırlıklı olarak metin, görüntü ve video üzerinden dünyayı öğrenirken, world model yaklaşımı ajanların kararlarının sonucunu görebildiği ve aynı senaryoyu farklı koşullar altında tekrar yaşayabildiği interaktif ortamlar oluşturuyor. Robot ve AI ajanlarının gerçek dünyaya çıkmadan önce milyonlarca sanal deneyim yaşayabilmesi, yapay zekanın fiziksel dünyada kullanımını hızlandırabilecek kritik bir aşama olabilir. Genie 4 bu nedenle oyun ve içerik üretiminin yanında robotik ve otonom sistemler yarışında da yakından izlenmesi gereken bir teknoloji olarak öne çıkıyor.