Google DeepMind julkaisi Genie 4 -maailmamallin reaaliaikaiseen simulointiin

0

Google DeepMind esitteli 27. lokakuuta Genie 4 -maailmamallin, joka tuottaa reaaliajassa ohjattavia simulaatioita ja niihin sopivan äänen. Malli on toistaiseksi tutkimusesikatselussa.

Google DeepMindin pääkonttorin julkisivu Lontoon King's Crossissa

Kuva: Google DeepMind headquarters in London, 6 Pancras Square, Wikimedia Commons / Gciriani, CC BY-SA 4.0

Google DeepMind kertoi 27. lokakuuta uudesta maailmamallista, joka tuottaa reaaliajassa ohjattavia simulaatioita ja niihin sopivan äänen. Genie 4 on toistaiseksi vain tutkimusesikatselu, mutta se näyttää, mihin suuntaan tekoälyä viedään seuraavaksi: robottien harjoitteluun, elokuvien suunnitteluun ja pelien tekemiseen.

Mitä Genie 4 tekee

Maailmamalli on tekoäly, joka ei vain kirjoita tekstiä tai piirrä kuvaa, vaan ennustaa, miten ympäristö muuttuu, kun siihen vaikutetaan. Genie 4:n tapauksessa tulos näkyy videokuvana, jota käyttäjä voi ohjata kesken kaiken tavallisella kielellä. Hän voi siirtää kameraa, vaihtaa säätä tai tuoda kuvaan uusia hahmoja, ja malli jatkaa simulaatiota pyynnön mukaisesti.

Uutta on myös ääni. Jokainen simuloitu maailma tuottaa itse ympäristön äänet, musiikin ja vuoropuhelun, eikä ääniraitaa tarvitse liittää jälkeenpäin. Google kuvailee, että yhtenäinen simulaatio pysyy koossa jopa kaksi minuuttia, mikä on kaksinkertainen aika edelliseen Genie 3 -malliin verrattuna.

Miten se eroaa edellisestä mallista

Google julkaisi Genie 3:n tutkimusesikatseluna runsas vuosi sitten. Uusi versio on yhtiön mukaan selvästi valokuvamaisempi, sen fysiikka on uskottavampaa ja ihmishahmot muistuttavat enemmän oikeita ihmisiä. Lisäksi simulaatiota voi muokata vapaasti myös kesken ajon, kun aiemmin muutokset olivat rajatummat.

Malli nojaa Googlen Gemini-perheeseen. Gemini Omni -malli pitää huolen siitä, että simulaation esineet ja pinnat näyttävät ja käyttäytyvät kuten oikeassa maailmassa, ja muut Gemini-mallit auttavat pitämään pitkän simulaation johdonmukaisena. TechCrunchin mukaan Gemini toimii ikään kuin ohjaajana: se suunnittelee vaiheet ja tarkistaa kuvat, kun taas Genie tuottaa kuvan.

Kenelle malli on nyt tarjolla

Genie 4 on avattu ensin rajoitetulle joukolle luotettuja testaajia. Googlen mukaan malli tulee lähiviikkoina Google AI Ultra -tilaajille Project Genie -työkaluun sekä varhaisen vaiheen kumppaneille Gemini-rajapinnan ja AI Studion kautta. Yleistä julkaisua, hintaa tai tarkkaa päivämäärää suurelle yleisölle ei ole kerrottu.

Kyseessä ei siis ole vielä kuluttajatuote. Testaajat käyttävät mallia tutkimukseen ja prototyyppien tekoon, ja Googlen oma väki korostaa, ettei lopullisesta tuotekokemuksesta ole vielä varmuutta.

Mihin sitä on tarkoitus käyttää

Yksi keskeinen käyttötarkoitus on robotiikka. TechCrunchin mukaan Google teki Genie 4:ään liittyvän kokeen, jossa Gemini 4 Argon -malli pilkkoi tehtävän osiin ja Genie 4 simuloi ne reaaliajassa. Ajatus on, että robottien ja tekoälyagenttien toimintaa voidaan kokeilla simulaatiossa ennen kuin sama tapahtuu oikeassa maailmassa.

Toinen käyttötarkoitus on luova työ. Google DeepMindin tutkimusjohtaja Tejas Kulkarni kuvaili tiedotustilaisuudessa niin sanottuja hybridimalleja, joissa Gemini kirjoittaa koodia ja tekstiä ja Genie simuloi syntyvän tilanteen reaaliajassa. Käytännössä tämä tarkoittaisi esimerkiksi elokuvan kohtausten hahmottelua: ideointia ja storyboardeja voi kokeilla liikkuvana kuvana ennen varsinaista kuvausta.

Yhtiö mainitsee myös pelit ja interaktiivisen oppimisen. Esimerkkinä on esitetty tilanne, jossa käyttäjä astuu historialliseen maalaukseen ja juttelee sen henkilöiden kanssa. Toistaiseksi nämä ovat kuitenkin esimerkkejä mahdollisuuksista, eivät valmiita tuotteita.

Mitä rajoitteita mallilla vielä on

Google myöntää, että mallissa on puutteita. Mitä pidempään simulaatio pyörii, sitä enemmän yksityiskohdat voivat ajautua pois paikoiltaan. Yhtiö ei myöskään ole ratkaissut, miten äänen saa varmasti osumaan kuvan tapahtumiin tai miten simulaation sisällä näkyvä teksti saadaan luettavaksi.

Nämä eivät ole pieniä yksityiskohtia. Jos simulaatiota käytetään robottien koulutukseen, virheet siirtyvät helposti myös oikeaan maailmaan. Siksi mallia markkinoidaan tutkimustyökaluna eikä valmiina ratkaisuna.

Miksi julkaisu on merkittävä

Maailmamallit ovat nousseet tekoälykilpailun uudeksi rintamaksi. TechCrunchin mukaan videoyhtiö Runway julkaisi oman maailmamallinsa elokuussa, AMD kertoi syyskuussa ostavansa Fei-Fei Lin World Labsin 8,2 miljardilla dollarilla ja Amazon neuvottelee Decartin ostamisesta noin seitsemällä miljardilla dollarilla. Myös autonvalmistaja Rivian osti lokakuussa Third Dimension -yhtiön tuodakseen simulaatiot omaan autonkehitykseensä.

Suomalaiselle lukijalle merkitys on välillinen mutta selvä: jos simulaatiot toimivat, ne nopeuttavat robotiikan ja itseohjautuvien järjestelmien kehitystä ja vähentävät tarvetta kalliille kokeille oikeassa ympäristössä. Samalla sama teknologia tuottaa yhä vaikeammin erotettavaa synteettistä sisältöä, mikä lisää tarvetta sisällön alkuperän merkitsemiselle ja tunnistamiselle.

Mitä seuraavaksi

Seuraava askel on laajempi saatavuus. Google ei ole kertonut, milloin Genie 4 avataan tavallisille AI Ultra -tilaajille tai milloin siitä tulee osa Gemini-sovellusta. Lähiviikkojen aikana nähdään myös, tarttuvatko tutkijat ja elokuvantekijät mallin puutteisiin yhtä innokkaasti kuin sen mahdollisuuksiin.

Lähteet


Vastuuvapauslauseke: Tämä artikkeli on tarkoitettu vain tiedotustarkoituksiin. Sitä ei tarjota tai ole tarkoitettu käytettäväksi oikeudellisena, verotuksellisena, sijoitus-, rahoitus- tai muuna neuvona.

Mainos: alla on kumppanimainoksia ja mainoslinkkejä.

Kvarn X – kryptot, osakkeet ja ETF:t samassa paikassa

Coinmotion – suomalainen kryptopalvelu vuodesta 2012

Leave a Reply

Pakolliset kentät on merkitty *