Genie 4: il modello del mondo interattivo di DeepMind ora produce anche suoni
Genie 4 di Google DeepMind, annunciato la scorsa settimana, genera mondi giocabili con audio e dialoghi in tempo reale. È un'anteprima della ricerca con una lista d'attesa.
La settimana scorsa, Google DeepMind ha introdotto Genie 4, un “modello del mondo”. In parole povere, è un’intelligenza artificiale che genera al volo un piccolo mondo interattivo, che puoi guidare mentre funziona. DeepMind afferma che è il primo modello del mondo in tempo reale che produce anche il suono in modo nativo: rumore ambientale, musica e dialoghi, non solo immagini.
Puoi cambiare la scena con frasi ordinarie mentre scorre, ad esempio alterando il tempo, spostando la telecamera o aggiungendo una persona o un oggetto. Il modello simula parti della fisica come collisioni e flussi d’aria, i personaggi si muovono in modo più naturale e possono parlare e reagire a ciò che fai. I modelli Gemini aiutano a mantenere aspetto e comportamento coerenti e in un esperimento separato Gemini ha fornito didascalie passo passo a un umanoide simulato per giocare a dama. I primi tester stanno esplorando la previsualizzazione (abbozzare una scena di un film prima delle riprese), ricreando scene storiche da foto d’archivio, prototipi di giochi rapidi e generazione di scenari aziendali.
L’accesso è limitato. Genie 4 è un’anteprima della ricerca per tester affidabili, con piani per gli abbonati Google AI Ultra in Project Genie e per i primi partner in Gemini API e Google AI Studio. Una lista d’attesa è aperta. DeepMind afferma che tutto ciò che genera porta con sé uno SynthID watermark, un indicatore invisibile che segnala l’origine dell’IA.
Cosa c’è dietro: Perché un’azienda che costruisce chatbot dovrebbe interessarsi ai mondi simili ai giochi? Perché un mondo che risponde alle azioni è un campo di pratica. I robot e gli agenti software possono provare in una simulazione prima di toccare il mondo reale, e il modello deve imparare qualcosa su come si comportano le cose per mantenere coerente la simulazione. È anche un passo verso un’intelligenza artificiale più generale. DeepMind è aperto riguardo ai limiti: i dettagli e la permanenza degli oggetti possono variare in sessioni più lunghe o dopo molte modifiche, e interazioni fisiche complesse, audio accurato, testo leggibile, precisione spaziale e coerenza a lungo termine sono ancora in fase di sviluppo.
Cosa significa per te: Se sei curioso, iscriviti alla lista d’attesa e guarda le demo, ma non aspettarti di usarlo questa settimana. Creatori e insegnanti potrebbero eventualmente trovarlo utile per bozze visive rapide. Una discreta aspettativa per ora: demo impressionanti, bordi grezzi nel tempo. Quando vedi video o audio generati dall’intelligenza artificiale, funzionalità come SynthID sono un buon promemoria per cercare le etichette di provenienza.
Fonti
Fonti: https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
Gemini 4 Carbon: il modello più forte di Google va prima ai difensori informatici
Google ha annunciato Gemini 4 Carbon la scorsa settimana con i migliori punteggi nelle attività di sicurezza, accesso limitato e risultati indipendenti contrastanti sulla precisione.
