Google、リアルタイムでインタラクティブな世界を探索できるAIモデル「Genie 4」を発表

テキスト、画像、動画の生成に続き、AI業界は新たな能力、すなわちユーザーが移動し行動できる環境のシミュレーションに注目している。2026年10月27日に発表されたGenie 4は、この進化の一環だ。Google DeepMindが開発したこの世界モデル（world model、つまり仮想環境とその仕組みを再現するシステム）は、ユーザーの介入に応じて外観と挙動が変化するインタラクティブなシーンを作成できる。

自然言語で制御される環境

Genie 4はまず、シミュレーションの実行中に変更を加えられる点で際立っている。天候を変えたり、カメラを移動させたり、新しいオブジェクトやキャラクターを導入したりするのに、自然言語、つまり普通の文章で書かれた指示を用いることができる。システムは、連続性を損なうことなくシーンを適応させなければならない。

このモデルは、環境に関連する音、周囲の雑音、音楽、インタラクティブな対話も生成する。Google DeepMindはさらに、シーンの一貫性と複数ステップを含むイベントの管理を改善するため、自社のGeminiファミリーの能力を統合していると述べている。この組み合わせは、環境を進化させるために必要な推論と視覚的表現との距離を縮めることを目指している。

TechCrunchによると、Genie 4は約2分間、シーンの一貫性を維持できるという。これは前身のGenie 3の約2倍の長さだが、複雑で長時間のシミュレーションにはまだ限界がある。

デジタル創作からロボティクスへ

想定される応用範囲は娯楽を超えている。ビデオゲームでは、このようなモデルにより、従来のゲームエンジンでの開発前に探索可能なプロトタイプの作成が加速される可能性がある。映像制作では、テスト担当者によれば、構図、照明、動きを素早く試すことを可能にすることで、シーンのプリビジュアライゼーションを容易にする可能性がある。

ロボティクスは別の潜在的な応用分野だ。シミュレーション環境は、自律的に行動するソフトウェアシステムやロボットシステムである「エージェント」が、実際の状況に直面する前に、さまざまな状況下での挙動を検討するために利用できる。Google DeepMindは特に、タスクをステップに分解し、その実行をシミュレーション内で追跡できるGeminiモデルとGenieを組み合わせた実験について説明している。

ただし、これらの展望は実運用条件下で検証される必要がある。視覚的に説得力のあるシーンであっても、物理法則、相互作用、またはシミュレートされた反応が自律システムを訓練するのに十分な信頼性を持つことを保証するものではない。

まだ実験段階の技術

Googleはいくつかの限界を認めている：オブジェクトや細部が時間とともにずれる可能性がある、複雑な物理的相互作用は改善の余地がある、シーンに組み込まれたテキストが常に読みやすいとは限らない、などだ。音の精度と長期的な一貫性も研究課題の一部である。

このモデルはまず、限られたテストグループに提供される。その後、アクセスはGoogle AI Ultraの加入者にProject Genieを通じて、またGemini APIとGoogle AI Studioの一部のパートナーにも拡大される予定だ。現時点では、一般公開は発表されていない。

これらの初期情報によれば、Genie 4の価値は、短いシーケンスにおける視覚的なリアリズムよりも、むしろ、時間の経過とともに一貫性があり、予測可能で、制御可能な環境を維持する能力にかかっているようだ。