Genie 4 Google DeepMind-ის ახალი „სამყაროს მოდელია“, რომელიც ტექსტური აღწერიდან ან ერთი ფოტოდან ინტერაქტიულ, ფოტორეალისტურ სამყაროს ქმნის, მასში თავისუფლად გადაადგილების საშუალებას იძლევა და პირველად ხმასაც თავად აგენერირებს. კომპანიამ მოდელი DeepMind-ის ოფიციალურ ბლოგზე წარადგინა.
ჯერჯერობით ეს კვლევითი ვერსიაა, რომელიც მხოლოდ შერჩეულ ტესტერებს აქვთ. მალე ის Google AI Ultra-ს გამომწერებს Project Genie-ში და Gemini API-სა და Google AI Studio-ს ადრეული წვდომის პარტნიორებს ხელმისაწვდომი გახდება. მსურველებს მოლოდინის სიაში ჩაწერა უკვე შეუძლიათ.
სარჩევი
ასე გამოიყურება Genie 4 Google DeepMind-ის ოფიციალურ დემოში:
This is Genie 4, our most realistic and interactive world model yet. 🌐
Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak. pic.twitter.com/6mmSUm9BBO
— Google DeepMind (@GoogleDeepMind) October 27, 2026
რა არის Genie 4 და რით განსხვავდება ვიდეოს გენერატორისგან
ჩვეულებრივი ვიდეოს მოდელი წინასწარ მზა კლიპს ქმნის, რომელსაც მხოლოდ უყურებ. სამყაროს მოდელი სხვაგვარად მუშაობს: ის კადრებს რეალურ დროში აგენერირებს და შენს მოქმედებებს პასუხობს. კლავიატურით გადაადგილდები, კამერას აბრუნებ, ტექსტით კი სცენას ცვლი, მოდელი კი „ითვლის“, რა უნდა მოხდეს შემდეგ: როგორ რეაგირებს გარემო, რა ხმა ისმის და როგორ მოძრაობენ ადამიანები.
DeepMind-ის თქმით, Genie 4 Gemini-ის ოჯახის შესაძლებლობებს ეფუძნება. Gemini Omni სიმულაციას რეალური სამყაროს გარეგნობასა და ქცევაზე „აბამს“, სხვა Gemini მოდელები კი იმაზე ზრუნავენ, რომ სცენა თანმიმდევრული და ლოგიკური დარჩეს. კომპანია ხაზს უსვამს, რომ სამყაროს გაგება და სიმულაცია ზოგადი ხელოვნური ინტელექტის (AGI) შექმნის ერთ-ერთი მთავარი ნაწილია.
Genie 4-ის ოთხი მთავარი სიახლე
პირველი: სცენის მართვა რეალურ დროში. სიმულაციის მიმდინარეობისას შეგიძლია ჩვეულებრივი ენით დაწერო, რომ ამინდი შეიცვალოს, კამერა სხვაგან გადავიდეს ან სცენაში ახალი ადამიანი თუ საგანი გამოჩნდეს. Gemini მოთხოვნას გარემოს კონტექსტს არგებს, შენს ბრძანებებს შორის კი თვითონ აკვირდება სცენას, რომ სამყარო ბუნებრივად განვითარდეს.
მეორე: რეალისტური ფიზიკა და ადამიანები. მოდელი უკეთ ასახავს აეროდინამიკას, შეჯახებებსა და სხვა ფიზიკურ მოვლენებს. ყველაზე დიდი წინსვლა კი ადამიანების სიმულაციაშია: პერსონაჟები ბუნებრივად მოძრაობენ, გარემოს რეაგირებენ და მათი მართვა რეალურ დროში შეიძლება. TechCrunch-ის ცნობით, Genie 4 სცენის თანმიმდევრულობას დაახლოებით ორი წუთის განმავლობაში ინარჩუნებს, რაც წინამორბედ Genie 3-ზე ორჯერ მეტია.
მესამე: ხმა. ეს Google-ის პირველი რეალური დროის სამყაროს მოდელია, რომელიც აუდიოს თავად ქმნის: ქარის შრიალს, ტალღების ხმას, მუსიკას. ყველაზე რთული ნაწილი ადამიანის მეტყველებაა: პერსონაჟებს შეუძლიათ ისაუბრონ და შენს მოქმედებებს ან სამყაროში მომხდარ მოვლენებს დიალოგით უპასუხონ.
მეოთხე: რთული მოვლენები Gemini-ის დახმარებით. სიმულაციის პარალელურად Gemini 3.8 Flash „რეჟისორის“ როლს ასრულებს: აკვირდება სცენას, მიზანს ნაბიჯებად ყოფს და ახალ კადრებში ამოწმებს, შესრულდა თუ არა თითოეული ნაბიჯი. თუ სამყარო შეიცვალა ან მომხმარებელი ჩაერია, გეგმას იქვე ცვლის.
Genie 4 და რობოტები
DeepMind-მა ახალი მოდელი Gemini Robotics-ის კვლევასაც დაუკავშირა. ერთ ექსპერიმენტში Gemini 4 Argon მომხმარებლის დავალებას ნაბიჯებად ყოფდა, Genie 4 კი ამ ნაბიჯებს რეალურ დროში ასახავდა. შედეგად შეიქმნა სიმულაცია, სადაც Apptronik-ის ჰუმანოიდი რობოტი Apollo შაშს თამაშობს. ასეთი მიდგომით რობოტის ქცევის გამოცდა შესაძლებელია ჯერ ვირტუალურ სამყაროში, სანამ ის რეალურ გარემოში იმუშავებს.
კომპანია სამომავლოდ „ჰიბრიდულ სამყაროს მოდელებზე“ საუბრობს: Gemini სტრუქტურასა და სიუჟეტს გეგმავს, Genie კი ყოველ კადრში ხატავს, როგორ გამოიყურება, ჟღერს და რეაგირებს სამყარო.
ვისთვის შეიძლება იყოს სასარგებლო
ტესტერებთან თანამშრომლობისას DeepMind-მა რამდენიმე მიმართულება გამოყო. კინემატოგრაფისტებს შეუძლიათ სცენაში „შევიდნენ“ და რამდენიმე დუბლი რეალურ დროში გადაიღონ, კამერისა და განათების ცვლით. ფოტოჟურნალისტები ცდიან, როგორ იქცევა ერთი არქივული ფოტო ინტერაქტიულ გარემოდ. თამაშების შემქმნელები იდეიდან სათამაშო პროტოტიპამდე წამებში მიდიან, ჯერ ერთი ხაზი კოდის დაწერამდე. კომპანიები კი Genie 4-ს სხვადასხვა სცენარის სწრაფი სიმულაციისთვის აფასებენ.
შეზღუდვები და უსაფრთხოება
Google არ მალავს, რომ Genie 4 ჯერ ადრეული, ექსპერიმენტული მოდელია. ხანგრძლივი სიმულაციისას, მრავალი რთული ცვლილების შემდეგ ან სცენაში ბევრი გადაადგილებისას, დეტალები და საგნები შეიძლება „აცდნენ“ ან გაქრნენ. რთული ფიზიკური ურთიერთქმედება, ხმის სიზუსტე, სამყაროში წაკითხვადი ტექსტი და გრძელვადიანი თანმიმდევრულობა ჯერ კიდევ კვლევის საგანია.
უსაფრთხოების მხრივ, მოდელმა შიდა შემოწმება გაიარა, ხოლო Genie 4-ის მიერ შექმნილ ყველა ვიდეოსა და აუდიოში SynthID-ის უხილავი ციფრული ნიშანი იქნება, რაც AI-ით შექმნილი კონტენტის ამოცნობაში ეხმარება. Ars Technica-ს თანახმად, ფასი ჯერ ცნობილი არ არის, მომხმარებლები კი მას ჯერ მხოლოდ ყველაზე ძვირი, თვეში 100 დოლარიდან დაწყებული AI Ultra პაკეტით მიიღებენ.
შეჯამება
Genie 4 აჩვენებს, რომ სამყაროს მოდელები სწრაფად გადადიან მოკლე ტექნიკური დემოდან რეალურ ხელსაწყოებამდე: ხმა, ადამიანების ბუნებრივი მოძრაობა და სცენის ტექსტით მართვა მათ კინოს, თამაშების და რობოტიკისთვის ბევრად გამოსადეგს ხდის. თუმცა ორწუთიანი სესიები, საგნების „ცურვა“ და ძვირი AI Ultra პაკეტი ნიშნავს, რომ ფართო აუდიტორიისთვის ეს ჯერ ექსპერიმენტია. ყველაზე საინტერესო მიმართულება რობოტიკაა: თუ Gemini-სა და Genie-ის ერთად მუშაობა საიმედო გახდება, რობოტების წვრთნა და გამოცდა უსაზღვრო ვირტუალურ სამყაროებში ბევრად იაფი და უსაფრთხო იქნება.
წყაროები
სხვა თემები
PHP2Shell: AI-მ PHP-ში 2 კრიტიკული ხარვეზი გამოავლინა
Gemini Android Auto-ში: Personal Intelligence მძღოლს პერსონალურ პასუხებს აძლევს
ვირტუალური უჯრედი: Google და Meta Biohub-ის 1.8 მილიარდიან პროექტს უერთდებიან