Вештачката интелигенција се развива и кон создавање интерактивни АИ светови, во кои корисникот може да се движи и да влијае врз случувањата. Google DeepMind на 27 октомври го претстави Genie 4, модел што генерира виртуелна околина и ја менува според постапките и текстуалните инструкции на корисникот.

Според компанијата, системот истовремено создава слика, амбиентални звуци и разговори со виртуелните ликови.

Како функционираат интерактивни АИ светови?

Корисникот може да побара промена на времето, да додаде предмет или лик и да го смени аголот на гледање додека симулацијата трае.

Моделот потоа генерира како околината реагира. Во демонстрациите, Google прикажува движење низ различни простори, предмети што се судираат и ликови што одговараат на промените.

Зад сцената се користат и модели од семејството Gemini за планирање на настаните и одржување на поврзаноста меѓу постапките и нивните последици.

Можна алатка за филмови, игри и обука на роботи

Google наведува дека тестери од креативните индустрии го истражуваат моделот како начин за брзо испробување сцени. Филмски автор би можел да менува осветлување, движење и дијалог во виртуелна проба, додека авторите на игри би тестирале идеја пред да започнат со нејзина изработка.

Друг истражувачки правец е создавањето околини во кои АИ агенти и роботи би вежбале задачи. Ова се потенцијални примени, а не потврда дека моделот веќе заменува професионални симулатори.

Реалистична сцена не значи и совршена симулација

Технологијата има ограничувања. Деталите и предметите можат да се менуваат непредвидливо, особено при подолги сесии или повеќе сложени инструкции. Просторната точност и сложените физички интеракции остануваат истражувачки предизвици.

Genie 4 засега се тестира со избрани корисници. Најавен е поширок пристап преку Project Genie и одредени развојни услуги на Google, без конкретен датум во објавата