Genie 4: شبیه‌سازی دنیای واقعی با هوش مصنوعی

Genie 4، مدل جدید جهان‌ساز گوگل دیپ‌مایند، دنیای واقعی را در زمان واقعی شبیه‌سازی می‌کند و قابلیت‌های پیش‌بینی‌شده‌ای مانند صدا، حرکت طبیعی انسان‌ها و گفتگوی تعاملی را ارائه می‌دهد.

این مدل چندوجهی، از قابلیت‌های خانواده Gemini استفاده می‌کند تا شبیه‌سازی‌هایی با realism بی‌نظیر و تعامل واقعی ایجاد کند. با این پیشرفت، کاربران می‌توانند رویدادی را آغاز کنند و ببینند جهان چگونه واکنش نشان می‌دهد، صداها را تولید می‌کند و افراد داخل آن حرکت، واکنش و صحبت می‌کنند.

Genie 4 نقش کلیدی در ساخت هوش مصنوعی عمومی (AGI) ایفا می‌کند و شبیه‌سازی‌های ایمن، بی‌نهایت متغیر را برای آموزش ربات‌ها و ایجاد تجربیات تعاملی جدید ممکن می‌سازد. امروز، ۲۷ اکتبر ۲۰۲۶، این مدل به عنوان پیش‌نمایش تحقیقاتی برای کاربران خاص منتشر شده است.

Genie 4 چهار قابلیت کلیدی را ارتقا می‌دهد

شکل‌دهی به شبیه‌سازی جهان در زمان واقعی

با Genie 4، کاربران می‌توانند با زبان طبیعی شبیه‌سازی را در لحظه تغییر دهند. مثلاً آب‌وهوا را تغییر دهند، دوربین را حرکت دهند یا شخص یا شیء جدیدی معرفی کنند. مدل به صورت زمینه‌ای این دستورات را با صحنه اطراف تطبیق می‌دهد و بین ورودی‌های شما، جهان را برای پیشرفت منسجم هدایت می‌کند.

شدن به صدا برای شنیدن دنیای Genie 4

Genie 4 اولین مدل جهان‌ساز واقعی‌زمان است که به طور بومی صدا تولید می‌کند. هر جهان صداهای محیطی خودش را دارد، از باد در درختان تا موج‌های ساحل. این امکان برای تجربیات غوطه‌وری بی‌نظیر فراهم می‌کند.

شدن به پیش‌بینی واقعی‌تر در فیزیک و کنش انسانی

Genie 4 استاندارد جدیدی از realism را برای شبیه‌سازی واقعی‌زمان تعاملی معرفی می‌کند. این مدل درک پیشرفته‌ای از فیزیک واقعی جهان دارد و سناریوهای فیزیکی مانند هوانوردی، تصادفات و موارد دیگر را شبیه‌سازی می‌نماید. پیشرفت بزرگ‌تر، شبیه‌سازی افراد است: شخصیت‌ها به طور طبیعی حرکت می‌کنند، به محیط واکنش نشان می‌دهند و می‌توانند به صورت تعاملی در زمان واقعی هدایت شوند.

مدل‌سازی صداهای جهان

Genie 4 اولین مدل جهان‌ساز واقعی‌زمان است که به طور بومی صدا تولید می‌کند. هر جهان صداهای محیطی خودش را دارد، از باد در درختان تا موج‌های ساحل. این امکان برای تجربیات غوطه‌وری بی‌نظیر فراهم می‌کند.

شبیه‌سازی رویدادهای پیچیده با مدل‌های Gemini

ترکیب Genie 4 و Gemini لایه جدیدی از reasoning را به شبیه‌سازی جهان اضافه می‌کند. این ترکیب اجازه می‌دهد رویدادهای چندمرحله‌ای پیچیده را مدل کنیم و ببینیم سیستم‌های هوش مصنوعی چگونه در محیط‌های مختلف رفتار می‌کنند.

در زمان واقعی، Gemini 3.8 Flash به عنوان عامل راهنما عمل می‌کند: Genie 4 جهان را در لحظه تولید می‌کند، Gemini صحنه را مشاهده می‌کند، اهداف را به مراحل تقسیم می‌کند و پیشرفت را بررسی می‌نماید. در صورت تغییر جهان یا مداخله کاربر، Gemini برنامه را در لحظه تطبیق می‌دهد. این قابلیت مسیر شبیه‌سازی سناریوهای گسترده در دنیای‌های خیالی را باز می‌کند.

نقشه‌های جنگل‌های جهان با دقت ۱۰ متر؛ چه چیزی جای جنگل را می‌گیرد؟

در حالی که Genie 4 به عنوان پیش‌نمایش برای کاربران اعتمادشده منتشر شده، این مدل نشان‌دهنده پیشرفت عظیم در شبیه‌سازی جهان است. ما این مدل را به صورت مشروط و مسئولانه عرضه می‌کنیم تا از تولید محتوای مضر جلوگیری شود.

دسترسی به Genie 4 و مراحل بعدی

Genie 4 به عنوان پیش‌نمایش تحقیقاتی برای کاربران اعتمادشده منتشر شده و به زودی برای اشتراک‌گذاران Google AI Ultra در Project Genie و شرکای اولیه دسترسی به Gemini API و Google AI Studio در دسترس خواهد بود. برای ثبت‌نام در لیست انتظار Project Genie، این لینک را دنبال کنید.

Genie 4 توسط تعدادی از اعضای کلیدی Google DeepMind توسعه یافته است که شامل Hang Qi، Diego Rivas، Aleksander Hołyński، Inbar Mosseri، Jack Parker-Holder، Shlomi Fruchter، Tejas Kulkarni، James Assiene، Philip Ball، Jakob Bauer، Eddie Cao، Lucy Chai، Harris Chan، Kleopatra Chatziprimou، Hao Chen، Yoni Choukroun، Mark Collier، Enric Corona، Kurtis David، Ariel Ephrat، Maxime Gazeau، Ruiqi Gao، Chelsee Glover-Odom، Liangke Gui، Swaroop Guntupalli، Shan Han، Tingbo Hou، Jiri Hron، Hui Huang، Drew A. Hudson، Zhouyuan Huo، Linyi Jin، Christos Kaplanis، Dhrupad Karwa، Eunyoung Kim، Congtao Kuang، Eliot Laidlaw، José Lezama، Hao Li، Shuang Li، Yuchen Liu، Hanzi Mao، Mark Matthews، Matt McGill، Kay McKinney، Ricardo Monti، Mark Murphy، Joseph Ortiz، Roni Paiss، Frank Perbet، Ben Poole، Tal Reiss، Konstantinos Rematas، Guy Scully، Jeremy Shar، Shashank Shastry، Sri S، Omer Tov، Ruben Villegas، Andrey Voynov، Hongjie Wang، Luyu Wang، Kaustubh Sridhar، Mo Samsami، Stephen Spencer، Yufei Wang، Will Whitney، Rundi Wu، Joyce (Jingjing) Xie، Jesse Yin، Shiran Zada، Serena Zhang، Xiaofan Zhang، Zhengqi Li، Zhixing Zhang، Yuan Zhong، Shuo-yiin Chang، Dmitry Lagun، Ronny Huang، Yao Su، Ankush Gupta، Genzhi Ye، Haolin Jia، Weiqin Wang، Xi Xiong، Salah Zaiem، Carol Zheng و سایر همکاران کلیدی می‌شود.

ما از همکاری‌های نزدیک با تیم‌های شریک قدردانی می‌کنیم و از همه شرکای متقاطع که این انتشار را ممکن کرده‌اند، سپاسگزاریم. همچنین از Raia Hadsell، Aäron van den Oord، Josh Woodward، Steve Seitz، Carlos Hernandez، Elias Roman، Jung E. Kim، Abhishek Bapna، Eli Collins، Tulsee Doshi، Carolina Parada، Jie Tan، Koray Kavukcuoglu و Demis Hassabis برای راهنمایی و حمایت در طول فرآیند تحقیق سپاسگزاریم.

در نهایت، از کاربران اعتمادشده و دسترسی اولیه که بازخورد ارائه داده‌اند تا پیشرفت تحقیق ما را هدایت کنند، قدردانی می‌کنیم. ما مشتاق هستیم کاربران داخل شوند، آزمایش کنند و جهان‌های تعاملی خود را بسازند.

محدودیت‌های فعلی Genie 4

Genie 4 همچنان در مرحله تحقیقاتی اولیه و در حال تکامل است. این مدل در محیط‌های منسجم کوتاه‌مدت حفظ می‌کند، اما جزئیات بصری و permanence اشیا ممکن است در طول زمان تغییر کنند، به ویژه در شبیه‌سازی‌های طولانی، پس از ویرایش‌های پیچیده یا ناوبری در صحنه. تعاملات فیزیکی پیچیده، دقت صدا در ز

پرسش‌های متداول

منبع: Google DeepMind