Google DeepMind ha svelato Genie 4, un modello di IA che propone una simulazione interattiva in tempo reale di un mondo reale, con un suono nativo e un realismo potenziato. Il rilascio è iniziato sotto forma di anteprima di ricerca presso tester fidati.
Il sistema permette agli utenti di generare ambienti dinamici e di spostarsi al loro interno, pilotando le scene al volo. Nel frattempo, il modello calcola simultaneamente la fisica, il comportamento dei personaggi e i paesaggi sonori. Sundar Pichai, CEO di Alphabet e Google, ha definito Genie 4 « il nostro modello di mondo più realistico e interattivo ».
Google DeepMind, laboratorio di ricerca anglo-americano specializzato in intelligenza artificiale, è una consociata di Alphabet Inc. Fondato nel Regno Unito nel 2010, è stato acquisito da Google nel 2014, per poi fondersi con la divisione Google Brain di Google AI diventando Google DeepMind nell’aprile 2023. La sua sede è a Londra e l’azienda dispone di centri di ricerca negli Stati Uniti, in Canada, Francia, Germania e Svizzera.
Un pilotaggio in tempo reale e un suono generato insieme all’immagine
Secondo Google, gli utenti possono esplorare gli ambienti simulati utilizzando i comandi da tastiera standard e modificare l’universo tramite semplici prompt in testo semplice. Possono così cambiare il meteo, regolare gli angoli della telecamera o introdurre nuovi personaggi e oggetti. Google indica anche che Genie 4 segna un balzo significativo in termini di precisione fisica, con interazioni complesse come l’aerodinamica, le collisioni o la resistenza dell’ambiente, e che i personaggi digitali si muovono e reagiscono immediatamente ai comandi.
Google presenta Genie 4 come il primo modello di mondo in tempo reale capace di generare nativamente suono sincronizzato, man mano che le immagini vengono visualizzate. Produce ambienti sonori contestuali, come il soffio del vento tra gli alberi o il frangersi delle onde, oltre a musica di sottofondo. Gestisce anche dialoghi parlati interattivi: i personaggi conversano e rispondono alle richieste dell’utente e agli eventi dell’ambiente.
Un modello basato sulla famiglia Gemini
Genie 4 non è un motore grafico autonomo. Si appoggia alle capacità di ragionamento multimodale della famiglia Gemini. Gemini Omni ancorano ogni simulazione in un aspetto e una dinamica fisica derivati dal mondo reale, mentre i modelli di ragionamento Gemini preservano la logica della scena, affinché gli eventi mantengano una coerenza di causa-effetto. Il modello Gemini 3.8 Flash svolge il ruolo di agente di pilotaggio: segue le immagini in arrivo, suddivide gli obiettivi in fasi, verifica che ogni azione abbia successo e adatta il piano non appena un cambiamento si verifica nella scena o un utente interviene.
Google sottolinea che questa associazione permette di modellare eventi complessi in più fasi e di testare il comportamento di sistemi di IA in diversi ambienti prima di rilasciarli nel mondo reale. La società ricorda anche che « comprendere e simulare il mondo è un aspetto cruciale della costruzione di un’IA generale (AGI) ».
Prime impressioni ancora sperimentali
Genie 4 rimane, secondo Google, un modello sperimentale in una fase iniziale. Il rilascio riguarda dapprima gli abbonati a Google AI Ultra nell’ambito del progetto Genie, oltre a partner che beneficiano di un accesso anticipato all’API Gemini e a Google AI Studio. Google ha lavorato con tester provenienti dalla creazione, dal giornalismo, dall’educazione, dal gaming e dall’ingegneria. I cineasti possono ad esempio realizzare più riprese di una stessa scena in tempo reale, mentre i fotogiornalisti esplorano come una fotografia d’archivio in 2D possa diventare una simulazione realistica del suo ambiente. Altri team esaminano la visualizzazione di eventi ambientali di breve durata, come un’inondazione improvvisa o un incendio boschivo.
Il modello si inserisce anche nei lavori della consociata Alphabet dedicata alla guida autonoma. Nel febbraio 2026, la società Waymo, di proprietà di Alphabet, aveva presentato Waymo World, un modello che si basava sulle capacità di Genie 3 per costruire ambienti virtuali a partire da prompt testuali. Questo sistema generava immagini di guida sintetiche oltre a dati di percezione della profondità, paragonabili a quelli di telecamere e sensori lidar montati sui veicoli.
