Η Google DeepMind παρουσίασε στις 27 Οκτωβρίου το Genie 4, ένα μοντέλο που δημιουργεί διαδραστικούς, φωτορεαλιστικούς κόσμους σε πραγματικό χρόνο. Μαζί με την εικόνα παράγει και ήχο, όπως ήχους περιβάλλοντος, μουσική και διαλόγους χαρακτήρων. Ο χρήστης μπορεί με απλές οδηγίες κειμένου να αλλάξει τον καιρό, να μετακινήσει την κάμερα ή να προσθέσει πρόσωπα και αντικείμενα ενώ η προσομοίωση τρέχει. Κατά την εταιρεία, μια σκηνή μένει συνεκτική έως περίπου δύο λεπτά, διπλάσιο χρόνο από το Genie 3. Η πρόσβαση ξεκινά από επιλεγμένους δοκιμαστές και θα επεκταθεί σε συνδρομητές Google AI Ultra και σε συνεργάτες του Gemini API.

Τι σημαίνει: Τα μοντέλα κόσμου, δηλαδή συστήματα που προσομοιώνουν ένα περιβάλλον και αντιδρούν σε ενέργειες, εξελίσσονται σε βασικό εργαλείο για την εκπαίδευση ρομπότ και πρακτόρων τεχνητής νοημοσύνης. Αντί να δοκιμάζεται ένα σύστημα μόνο σε πραγματικές συνθήκες, που είναι αργές και ακριβές, μπορεί να εκπαιδευτεί σε χιλιάδες τεχνητά σενάρια. Η προσθήκη ήχου και η δυνατότητα αλλαγών με απλό κείμενο κάνουν το Genie 4 πιο κοντά σε εργαλείο παραγωγής περιεχομένου, για παράδειγμα για πρωτότυπα παιχνιδιών, εκπαιδευτικό υλικό ή εικονικές περιηγήσεις. Χρειάζεται όμως ψυχραιμία: πρόκειται για ερευνητική προεπισκόπηση, η ίδια η DeepMind παραδέχεται ότι αντικείμενα, ήχος και κείμενο μπορεί να αλλοιώνονται σε μεγαλύτερες συνεδρίες, και δεν υπάρχει ακόμη τιμολόγηση ή διαθεσιμότητα για επιχειρήσεις. Για ελληνικά στούντιο παιχνιδιών, εταιρείες εκπαιδευτικής τεχνολογίας ή τουριστικής προβολής, το πρακτικό βήμα σήμερα είναι να παρακολουθούν το API και να πειραματίζονται όταν ανοίξει, χωρίς να βασίσουν παραγωγή σε αυτό. Αξίζει επίσης να θυμόμαστε ότι το περιεχόμενο φέρει υδατογράφημα SynthID και ότι ο Κανονισμός για την Τεχνητή Νοημοσύνη απαιτεί σαφή σήμανση του συνθετικού περιεχομένου όταν δημοσιεύεται, άρα όποιος το χρησιμοποιήσει σε διαφήμιση ή υλικό πελατών θα πρέπει να το δηλώνει.

Διαβάστε το πρωτότυπο στο Google DeepMind

Σχετική υπηρεσία: Ανάπτυξη λογισμικού

Σχετικές ειδήσεις