Google представила Genie 3 — интерактивную генеративную

DeepMind, исследовательское подразделение Google в области ИИ, объявило о выпуске Genie 3 — новой системы, способной в реальном времени создавать интерактивные виртуальные окружения. Это ещё один шаг к легендарному «Голодеку» из Star Trek.

По данным Google, Genie 3 может на основе простого текстового запроса генерировать динамичные, исследуемые среды с частотой 24 кадра в секунду и разрешением 720p.

Правда, пока модель работает только на обычных мониторах, и неизвестно, когда появится версия для VR. Например, гарнитура Quest 3 имеет разрешение 2064 × 2208 на глаз и частоту обновления 90 Гц, что делает VR куда более требовательным к производительности.

Тем не менее, это очень показательный взгляд в будущее. В отличие от статичных или заранее отрендеренных симуляций, Genie 3 генерирует каждый кадр «на лету», обеспечивая более быстрый отклик на действия пользователя и обратную связь с виртуальной средой.

Кроме того, Google отмечает, что созданные миры сохраняют визуальную и физическую целостность на протяжении нескольких минут, используя своего рода кратковременную память для учета предыдущих действий.

• Симуляция природных, исторических, вымышленных и анимационных миров.
• Создание «событий в мире по запросу» — например, изменение погоды или появление новых объектов по текстовой команде.
• Потенциал для применения в робототехнике, геймдизайне и исследованиях в области общего искусственного интеллекта.

Например, можно воссоздать Осаку XIX века или «призвать» гидроцикл на каналы Амстердама.

• Ограниченное «пространство действий» для агентов (автономных ИИ-систем внутри мира).
• Сложности с моделированием взаимодействий нескольких агентов одновременно.
• Проблемы с точной симуляцией реальных локаций, корректным отображением текста и поддержанием длительных сессий дольше нескольких минут.

Несмотря на вышеперечисленное, это огромный шаг вперёд по сравнению с сегодняшними неинтерактивными видео, многие из которых уже трудно отличить от реальности. Системы вроде Genie 3 превращают такие сцены в интерактивный опыт. Даже мемы вроде «Уилл Смит ест спагетти» скоро станут не просто реалистичными, но и управляемыми.