Genie 4 i Google u mundëson përdoruesve të modifikojnë botët virtuale në kohë reale
Google DeepMind ka prezantuar versionin më të fundit të modelit të saj të botës me inteligjencë artificiale, i cili sipas kompanisë “zhbllokon realizëm të paparë” dhe specializohet në simulimin e qenieve njerëzore.
I lançuar sot si një vrojtim i kufizuar kërkimor midis një grupi të vogël testuesish të hershëm, modeli i ri, i quajtur Genie 4, mund të gjenerojë video fotorealiste të cilat përdoruesit mund t’i modifikojnë në kohë reale nëpërmjet udhëzimeve të thjeshta në gjuhën natyrore. Ndryshe nga paraardhësi i tij Genie 3 — të cilin Google e zbuloi për herë të parë në gusht të vitit të kaluar — modeli i ri mund të gjenerojë edhe audio. Dhe mund ta bëjë këtë automatikisht, për t’iu përshtatur çdo skene vizuale që një përdorues ka krijuar. “Çdo botë mbart tingullin e ambientit të mjedisit të vet, nga era në pemë deri te valët që përplasen në plazh”, shkroi Google në një postim në blog të publikuar të martën. Google gjithashtu thekson aftësinë e modelit të ri për të simuluar fizikën e botës reale, duke krijuar skena që i përgjigjen dinamikisht ndryshimit të këndeve të kameras, ndryshimeve në ndriçim e kështu me radhë.
Por dalluesi i vërtetë i modelit krahasuar me versionet e mëparshme, sipas Google, është aftësia e tij për të simuluar njerëzit. Lëvizjet trupore dhe shprehjet e fytyrës tani janë më fluide dhe realiste, ndërsa përshkrimet e Genie 3 kanë tendencë të jenë më mekanike. “Hapja më dramatike është mënyra se si Genie 4 simulon njerëzit, duke krijuar personazhe që lëvizin natyrshëm, i përgjigjen organikisht mjedisit të tyre dhe mund të drejtohen në mënyrë interaktive në kohë reale”, shkroi Google në postimin e saj në blog. Ky hap shtrihet edhe në simulimin e zërave njerëzorë: Përdoruesit mund t’i nxisin personazhet e gjeneruara nga IA të bisedojnë me njëri-tjetrin dhe t’u përgjigjen ngjarjeve që zhvillohen në një video.
“Modelet botërore” janë bërë një fushë e rëndësishme investimi për laboratorët e inteligjencës artificiale në nivel të lartë, ndërsa ata përpiqen të ndërtojnë sisteme që mund t’i përgjigjen praktikisht çdo lloj të dhënash nga të dhënat e kufizuara të trajnimit. Ata duhet të jenë në gjendje të mësojnë duke vëzhguar dhe simuluar mekanikën aktuale të botës fizike, në vend që thjesht të përmirësojnë aftësinë e tyre për të lidhur fjalët së bashku në mënyrë koherente. Disa ekspertë, më i njohuri shkencëtari francez i kompjuterave dhe fituesi i Çmimit Turing, Yann LeCun, kanë sugjeruar që modelet botërore – në vend të LLM – janë rruga më e mundshme për zhvillimin e inteligjencës së vërtetë artificiale të përgjithshme. Google duket se ndan këtë pikëpamje: “Të kuptuarit dhe simulimi i botës është një aspekt thelbësor i ndërtimit të inteligjencës artificiale”, shkroi kompania në postimin e saj në blog të së martës.
Google thotë se Genie 4 po lançohet me “mbrojtëse të rrepta sigurie” të ngjashme me ato që kompania ka vendosur rreth mjeteve të tjera të IA-së, dhe se i është nënshtruar “vlerësimeve rigoroze të sigurisë për të parandaluar gjenerimin e përmbajtjes së dëmshme ose keqdashëse”. Modeli është ende në hapat e tij fillestarë, dhe Google thotë se herë pas here ende ka vështirësi në ruajtjen e qëndrueshmërisë vizuale dhe saktësisë audio, veçanërisht kur simulimet bëhen më të gjata dhe më komplekse. Të gjitha videot dhe audiot e gjeneruara nga Genie 4 do të etiketohen me SynthID, filigranin e padukshëm të Google, sipas postimit në blog. Duke kufizuar disponueshmërinë fillestare të modelit ekskluzivisht në një grup partnerësh testimi, Google thotë se synon të mbledhë reagime dhe të bëjë çdo përmirësim të nevojshëm të sigurisë para një publikimi më të përgjithshëm, duke filluar me abonentët e Google AI Ultra. (Postimi në blog nuk specifikoi se kur do të ndodhte ky publikim më i gjerë, dhe Google nuk iu përgjigj menjëherë kërkesës së Shkence.info për koment.)
Midis këtij grupi testuesish të hershëm janë zhvilluesit e videolojërave, të cilët sipas Google po eksperimentojnë në mënyrë aktive me Genie 4 për të ndërtuar shpejt prototipa funksionalë nëpërmjet udhëzimeve në gjuhën natyrore – quajeni “lojëra me atmosferë”. Nuk është hera e parë që një nga mjetet e inteligjencës artificiale të Google ka kërcënuar të përmbysë gardën e vjetër të lojërave: lançimi në janar i aplikacionit të saj web Project Genie thuhet se shkaktoi rënien e aksioneve të videolojërave.