مدل Genie 4 تازه‌ترین مدل جهان‌ساز گوگل دیپ‌مایند است که امکان ساخت و تغییر محیط‌های مجازی را با دستورهای زبان طبیعی فراهم می‌کند و کاربردهایی از بازی‌سازی تا آموزش ربات‌ها دارد.
گوگل دیپ‌مایند جینی ۴ را به‌عنوان مدل جدیدی برای شبیه‌سازی تعاملی جهان معرفی کرده است. این مدل به کاربران اجازه می‌دهد محیط‌های مجازی را کاوش کنند و با نوشتن دستورهای متنی، تغییراتی مانند جابه‌جایی دوربین، تغییر وضعیت آب‌وهوا یا اضافه‌کردن اشیا و شخصیت‌ها را اعمال کنند. تغییرات در جریان شبیه‌سازی اجرا می‌شوند و مدل تلاش می‌کند پیوستگی صحنه را حفظ کند.
جینی ۴ از قابلیت‌های خانواده مدل‌های Gemini بهره می‌برد. در این ساختار، مدل‌های جمینای به درک محیط و استدلال کمک می‌کنند و Genie مسئول تولید فضای شبیه‌سازی‌شده است. گوگل دیپ‌مایند این فناوری را گامی مهم در مسیر توسعه هوش مصنوعی عمومی می‌داند؛ فناوری‌ای که می‌تواند در آموزش عامل‌های هوش مصنوعی و ربات‌ها نیز کاربرد داشته باشد.
تولید صدا و شبیه‌سازی رفتارهای فیزیکی Genie 4
یکی از قابلیت‌های مهم Genie 4، تولید بومی صدا در کنار محیط تصویری است. این مدل می‌تواند صداهای محیطی مانند وزش باد و برخورد موج‌ها را ایجاد کند و موسیقی یا گفت‌وگوی تعاملی شخصیت‌ها را نیز در شبیه‌سازی بگنجاند. شخصیت‌ها می‌توانند به رویدادهای محیط واکنش نشان دهند و به ورودی‌های کاربر پاسخ بدهند.
جینی ۴ همچنین برای شبیه‌سازی پدیده‌هایی مانند برخورد اجسام، آیرودینامیک و حرکت طبیعی انسان‌ها طراحی شده است. ترکیب آن با عامل‌های مبتنی بر جمینای امکان می‌دهد وظایف چندمرحله‌ای به بخش‌های کوچک‌تر تقسیم شوند و روند اجرای آن‌ها در محیط مجازی بررسی شود.
کاربردهای Genie ۴ در بازی‌سازی و صنعت
گوگل دیپ‌مایند درحال‌آزمایش این مدل با گروهی از کاربران منتخب در حوزه‌های مختلف است. فیلم‌سازان می‌توانند از آن برای پیش‌نمایش صحنه‌ها و تغییر زاویه دوربین، نورپردازی یا دیالوگ‌ها استفاده کنند. روزنامه‌نگاران نیز درحال‌بررسی امکان تبدیل عکس‌های آرشیوی دوبعدی به محیط‌های شبیه‌سازی‌شده هستند. در بازی‌سازی، جینی ۴ می‌تواند ساخت نمونه‌های اولیه قابل‌کاوش را از طریق دستورهای متنی تسهیل کند. در حوزه صنعت و رباتیک نیز پژوهشگران امکان تولید سریع سناریوهای شبیه‌سازی را بررسی می‌کنند.
محدودیت‌ها و وضعیت انتشار
جینی ۴ هنوز در مرحله پژوهشی قرار دارد و در شبیه‌سازی‌های طولانی ممکن است جزئیات بصری یا موقعیت اشیا را به‌صورت ناپایدار نمایش دهد. دقت صدا، نمایش درست متن، تعاملات فیزیکی پیچیده و حفظ ثبات محیط در جلسات طولانی نیز از حوزه‌های پژوهشی این پروژه هستند.
گوگل اعلام کرده است که محتوای تصویری و صوتی تولیدشده با این مدل به واترمارک نامرئی SynthID مجهز خواهد بود تا شناسایی محتوای تولیدشده با هوش مصنوعی آسان‌تر شود. درحال‌حاضر، دسترسی به Genie 4 به گروه محدودی اختصاص دارد. قرار است این مدل در آینده از طریق پروژه Genie برای مشترکان گوگل AI اولترا و همچنین از طریق رابط برنامه‌نویسی جمینای و گوگل AI استودیو برای شرکای منتخب عرضه شود.
جینی ۴ تلاش می‌کند تولید محیط‌های مجازی را از ساخت تصاویر ثابت فراتر ببرد و به تجربه‌هایی پویا با حرکت، صدا و تعامل برساند. بااین‌حال، پایداری شبیه‌سازی و دقت تعاملات پیچیده هنوز محدودیت‌هایی جدی هستند و میزان کاربرد عملی این فناوری به پیشرفت‌های آینده آن بستگی دارد.