DeepMind выпустила Genie 3: новая модель создает интерактивные миры в реальном времени

Google DeepMind представила третье поколение своей «мировой модели» Genie. Новая версия Genie 3 способна генерировать интерактивные симуляции в реальном времени на основе текстового запроса или изображения. Модель создает детализированные виртуальные миры с разрешением 720p при частоте 24 кадра в секунду.

Ключевым улучшением Genie 3 по сравнению с предыдущей версией, выпущенной всего семь месяцев назад, стала существенно расширенная «память» системы. Если Genie 2 могла удерживать визуальную целостность мира лишь около 10 секунд, то новая версия сохраняет последовательность и детали на протяжении нескольких минут. Это означает, что объекты и элементы виртуального пространства остаются неизменными даже после того, как исчезают из поля зрения пользователя.

Genie 3 позволяет модифицировать созданный мир в процессе взаимодействия с ним. Пользователи могут добавлять новые объекты, изменять погодные условия или вводить персонажей с помощью текстовых команд. DeepMind называет эту функцию «событиями, вызываемыми запросом».

Несмотря на значительный прогресс, модель сохраняет ряд ограничений. Она не может воссоздавать реальные локации — все генерируемые миры уникальны и недетерминированы. Система также подвержена типичным для генеративного ИИ «галлюцинациям» — например, некорректно отображает человеческую походку или создает нечитаемый текст. Хотя Genie 3 может служить средой для ИИ-агентов, их взаимодействие с миром ограничивается лишь перемещением внутри него.

DeepMind рассматривает Genie 3 не только как инструмент для создания игровых миров, но и как важную исследовательскую платформу. Компания считает, что подобные мировые модели могут сыграть ключевую роль в обучении ИИ-агентов в разнообразных интерактивных средах, что особенно важно для развития «воплощенных агентов» и продвижения к созданию общего искусственного интеллекта.

На данный момент Genie 3 остается закрытым исследовательским инструментом. DeepMind планирует предоставить доступ ограниченной группе экспертов и исследователей для дальнейшего совершенствования технологии, с перспективой более широкого доступа в будущем.

Источник: Ars Technica