دیپ‌مایند از مدل جهانی جنی ۴ (Genie 4) با وعده فیزیک و انسان‌های واقع‌گرایانه‌تر رونمایی کرد

مدل جنی ۴ به‌زودی در اختیار توسعه‌دهندگان و مشترکان سرویس گوگل AI Ultra قرار خواهد گرفت.

سال گذشته، گوگل دیپ‌مایند با رونمایی از مدل جهانی جنی ۳ (Genie 3) باعث سقوط ارزش سهام شرکت‌های بازی‌سازی شد. از آن زمان تاکنون، مدل‌های جهانی به یکی از تمرکزهای اصلی آزمایشگاه‌های هوش مصنوعی در سرتاسر جهان تبدیل شده‌اند، اما گوگل به دستاوردهای قبلی خود قانع نیست. محققان سخت روی مدل به‌روزرسانی‌شده‌ای کار کرده‌اند که تقریباً در همه جنبه‌ها نسبت به جنی ۳ پیشرفت کرده است. و اگر پول کافی به گوگل بپردازید، احتمالاً خیلی زود می‌توانید از جنی ۴ استفاده کنید.

نگاه کردن به خروجی جنی ۴ و دیدن یک بازی ویدئویی کار ساده‌ای است، و به همین دلیل است که جنی ۳ چنین اضطراب بزرگی را در صنعت بازی ایجاد کرد. با این حال، دیپ‌مایند به این شکل به آن نگاه نمی‌کند. به گفته گوگل، مدل‌های جهانی یک عنصر کلیدی در مسیر دستیابی به هوش مصنوعی عمومی (AGI) هستند. یک مدل جهانی، دنیایی مجازی ایجاد می‌کند، اما نیازی به از پیش رندر کردن محیط‌ها یا برنامه‌نویسی عناصر تعاملی ندارد. شما به سادگی به مدل می‌گویید چه چیزی می‌خواهید، و آن تجربه را هم‌زمان با کاوش شما، فریم به فریم و در زمان واقعی تولید می‌کند.

دیپ‌مایند می‌گوید این فناوری می‌تواند محیط‌های آموزشی بی‌نهایی برای ربات‌های فیزیکی ایجاد کند یا مسیرهای جدیدی را برای نمونه‌سازی سریع در حوزه‌های خلاقانه بگشاید. البته، این کار نیازمند آن است که مدل بتواند خواسته‌های شما را به دقت شبیه‌سازی کند. جنی ۴ دارای چندین بهبود است که شبیه‌سازی‌های آن را مفیدتر می‌کند، و این تا حدی به لطف مدل‌های به‌روزرسانی‌شده جمینای (Gemini) گوگل است.

دیپ‌مایند می‌گوید جنی ۴ در شبیه‌سازی فیزیک عملکرد بهتری دارد.

هنگامی که در جنی ۴ دستوری برای خلق یک دنیا صادر می‌کنید، این مدل از جمینای ۳.۸ فلش (Gemini 3.8 Flash) به عنوان یک عامل راهنما برای تفکیک اهداف و ارزیابی هر فریم خروجی استفاده می‌کند. این کار به حفظ مسیر شبیه‌سازی کمک می‌کند و به شما اجازه می‌دهد بدون از دست دادن زمینه اصلی، در میان محیط‌های مختلف حرکت کنید. با این حال، دیپ‌مایند خاطرنشان می‌کند که دنیاهای جنی ۴ همچنان فقط برای چند دقیقه پایدار می‌مانند و پیش از آنکه نحوه شروع همه‌چیز را فراموش کنند، انسجام خود را از دست می‌دهند.

مشابه جنی ۳، نسخه جدید نیز از تغییر پارامترها در حین کار پشتیبانی می‌کند. شما می‌توانید آب‌وهوا را تغییر دهید، عناوینی را اضافه کنید، یا دوربین را جابه‌جا کنید و جمینای با هر به‌روزرسانی به هدایت شبیه‌سازی کمک خواهد کرد. این فرآیند مشابه روشی است که مدل‌های استدلال، دستورات داخلی اضافی را برای رسیدن به توکن‌های خروجی مناسب تولید می‌کنند.

هدایت جنی ۴ توسط جمینای.

فیزیک در ویدئوهای تولید شده با هوش مصنوعی گاهی اوقات می‌تواند کمی غیرطبیعی به نظر برسد، اما دیپ‌مایند می‌گوید جنی ۴ به سطح جدیدی از واقع‌گرایی دست یافته است. جنی ۴ ظاهراً می‌تواند در بخش‌هایی مانند آیرودینامیک و برخوردها عملکرد بهتری داشته باشد که این امر شبیه‌سازی‌ها را مفیدتر و از نظر بصری جذاب‌تر می‌کند. افرادی که در این شبیه‌سازی‌ها ظاهر می‌شوند نیز باید با حرکت‌های طبیعی‌تر و واکنش‌های بهتر به محیط در حال تغییر، کمتر مصنوعی به نظر برسند.

جنی ۴ همچنین اولین مدل جهانی دیپ‌مایند با قابلیت صوتی بومی است. ویدئوها دارای صداهای پس‌زمینه محیطی خواهند بود و شما می‌توانید عناصر صوتی را در دستور خود مشخص کنید. بزرگ‌ترین جهش، در صورت کارکرد صحیح، اضافه شدن گفتار انسانی است. دیپ‌مایند وعده می‌دهد که جنی ۴ قادر خواهد بود گفتگوی تعاملی ایجاد کند که با تغییر شبیه‌سازی، خود را با آن تطبیق دهد. گفتار واقع‌گرایانه در ویدئوی استاندارد هوش مصنوعی یک تغییر بزرگ در زمینه واقع‌گرایی بود و اکنون انقلابی مشابه ممکن است در راه مدل‌های جهانی گوگل باشد.

دنیای اختصاصی خودتان

دیپ‌مایند با دقت خاطرنشان می‌کند که مدل‌های جهانی همچنان یک حوزه فعال پژوهشی هستند — جنی ۳ هرگز فراتر از تجربه وب بسیار محدود پروژه جنی (Project Genie) گسترش نیافت. با این حال، این تیم با گروه کوچکی از آزمایش‌کنندگان مورد اعتماد همکاری کرده است تا زمینه را برای انتشار گسترده‌تر جنی ۴ فراهم کند. دسترسی به آن به‌زودی گسترش خواهد یافت، اما هنوز جدول زمانی مشخصی وجود ندارد. البته ارزان هم نخواهد بود.

جنی ۴ قابلیت تولید صوت بومی را اضافه می‌کند.

گوگل برنامه‌ریزی کرده است تا جنی ۴ را از طریق جمینای API و AI Studio برای توسعه‌دهندگان عرضه کند، اما قیمت‌گذاری آن هنوز اعلام نشده است. کاربران عادی نیز به آن دسترسی خواهند داشت، اما این دسترسی به‌صورت مرحله‌ای و با گران‌ترین برنامه‌های AI Ultra گوگل که قیمت آن‌ها از ۱۰۰ دلار در ماه شروع می‌شود، ارائه خواهد شد. گوگل ممکن است در نهایت دسترسی به طرح‌های AI Pro و AI Plus را نیز فراهم کند. این کار همچنان از طریق پروژه جنی مدیریت خواهد شد که میزان کارهایی را که می‌توانید با جنی انجام دهید محدود می‌کند. یک فهرست انتظار برای کاربرانی که علاقه مند به دریافت دسترسی زودهنگام هستند وجود دارد.