Google DeepMind rozwija swój model symulacji świata za pomocą Genie 4, który potrafi generować bardziej realistyczne środowiska, tworzyć ich ścieżkę dźwiękową i modyfikować sceny na żądanie. Ta technologia, będąca jeszcze w fazie badań, ma na celu m.in. robotykę, gry wideo oraz prewizualizację audiowizualną.
- Google DeepMind prezentuje Genie 4, model symulacji świata tworzący interaktywne środowiska.
- Model zmienia sceny na żądanie i generuje dźwięki na podstawie poleceń w języku naturalnym.
- Genie 4 utrzymuje spójną scenę około dwie minuty, czyli dwa razy dłużej niż Genie 3.
- Technologia pozostaje eksperymentalna, a dostęp otrzymają najpierw testerzy i subskrybenci Google AI Ultra.
Po generowaniu tekstów, obrazów i wideo, twórcy AI interesują się kolejną umiejętnością: symulacją środowisk, w których użytkownik może się poruszać i działać. Zaprezentowany 27 października 2026 roku Genie 4 wpisuje się w tę ewolucję. Opracowany przez Google DeepMind, ten model symulacji świata (world model, czyli system odtwarzający wirtualne środowisko i jego działanie) pozwala tworzyć interaktywne sceny, których wygląd i zachowanie zmieniają się w zależności od interwencji użytkownika.
Środowiska sterowane językiem naturalnym
Genie 4 wyróżnia się przede wszystkim możliwością modyfikacji symulacji podczas jej działania. Instrukcja w języku naturalnym, czyli sformułowana zwykłym zdaniem, może posłużyć do zmiany pogody, przesunięcia kamery lub wprowadzenia nowego obiektu czy postaci. System musi wtedy dostosować scenę bez naruszania jej ciągłości.
Model generuje również dźwięki związane ze środowiskiem, czy to szumy otoczenia, muzykę czy interaktywne dialogi. Google DeepMind wskazuje ponadto, że integruje możliwości ze swojej rodziny Gemini, aby poprawić spójność scen i zarządzanie zdarzeniami obejmującymi wiele etapów. To połączenie ma na celu zbliżenie reprezentacji wizualnej do rozumowania potrzebnego do rozwoju środowiska.
Genie 4 może utrzymać spójną scenę przez około dwie minuty, według TechCrunch, czyli dwa razy dłużej niż jego poprzednik Genie 3. Ten czas pozostaje jednak ograniczony dla złożonych lub długotrwałych symulacji.
Od tworzenia cyfrowego po robotykę
Rozważane zastosowania wykraczają poza rozrywkę. W grach wideo taki model mógłby przyspieszyć tworzenie prototypów do eksploracji przed rozwojem w tradycyjnym silniku. W audiowizualiach, według testerów, mógłby ułatwić prewizualizację scen, umożliwiając szybkie testowanie kadrów, oświetlenia lub ruchów.
Robotyka stanowi kolejny potencjalny obszar zastosowań. Symulowane środowisko mogłoby posłużyć do zbadania zachowania agenta, czyli autonomicznie działającego systemu programowego lub robotycznego, w różnych sytuacjach przed konfrontacją z warunkami rzeczywistymi. Google DeepMind opisuje m.in. eksperymenty łączące Genie z modelami Gemini zdolnymi do rozłożenia zadania na etapy, a następnie śledzenia jego wykonania w symulacji.
Te perspektywy pozostają jednak do potwierdzenia w warunkach operacyjnych. Wizualnie przekonująca scena nie gwarantuje, że symulowane prawa fizyki, interakcje czy reakcje są wystarczająco wiarygodne, aby szkolić system autonomiczny.
Technologia wciąż eksperymentalna
Google przyznaje kilka ograniczeń: obiekty i niektóre detale mogą z czasem ulegać dryfowi, złożone interakcje fizyczne wymagają dopracowania, a teksty wbudowane w sceny nie zawsze są czytelne. Dokładność dźwięków i spójność długoterminowa również należą do obszarów badań.
Model jest najpierw oferowany ograniczonej grupie testerów. Jego dostęp ma następnie zostać rozszerzony na subskrybentów Google AI Ultra poprzez Project Genie, a także na niektórych partnerów API Gemini i Google AI Studio. Na tym etapie nie ogłoszono żadnego szerokiego wdrożenia.
Zainteresowanie Genie 4 będzie zależeć, według tych wstępnych informacji, mniej od jego realizmu wizualnego w krótkich sekwencjach, a bardziej od zdolności do utrzymywania spójnych, przewidywalnych i kontrolowalnych środowisk w dłuższym czasie.
