به نقل از خبرآنلاین، مدل Genie ۴ از سوی گوگل دیپ‌مایند به‌عنوان نسلی نوین از مدل‌های هوش مصنوعی محیط‌ساز معرفی شده است. این مدل به کاربر امکان می‌دهد تا حین اجرا به‌راحتی محیط را دستخوش تغییراتی کند و نتایج این تغییرات را به‌صورت زنده مشاهده نماید.
به‌عنوان نمونه، کاربر می‌تواند از مدل بخواهد موقعیت دوربین را تغییر دهد، باران را به صحنه اضافه کند یا یک شخصیت جدید را به فضای موجود وارد کند. Genie ۴ سعی دارد تغییرات را به‌گونه‌ای هم‌راستا با محیط اصلی حفظ کند و حرکت اشیا و شخصیت‌ها را به شیوه‌ای طبیعی شبیه‌سازی کند.
تولید صدا و رفتار به شیوه‌ای طبیعی‌تر
یکی از تفاوت‌های کلیدی Genie ۴ با نسخه پیشین خود، یعنی Genie ۳، قابلیت تولید هم‌زمان صدا و تصویر است. این مدل می‌تواند صداهای محیطی مانند صدای وزش باد و موج‌ها را تولید کند و علاوه بر این، گفتگوهای بین شخصیت‌ها را نیز به انجام برساند. شخصیت‌های شبیه‌سازی‌شده نیز قابلیت واکنش به وقایع محیطی را دارند و می‌توانند با یکدیگر صحبت کنند.
گوگل اعلام کرده این فناوری در شبیه‌سازی حرکت انسان‌ها و قوانین فیزیکی، از جمله واکنش اجسام و جریان هوا، پیشرفت‌های قابل توجهی داشته است. با این حال، هنوز هم مدل در برخی تعاملات پیچیده فیزیکی و حفظ جزئیات صحنه در اجراهای طولانی با چالش‌هایی مواجه است.
کاربرد Genie ۴ فراتر از تولید ویدئو است
یکی از زمینه‌های بالقوه این فناوری، طراحی سریع نمونه‌های اولیه بازی‌های ویدئویی است. توسعه‌دهندگان می‌توانند به‌کمک دستورهای متنی، ایده‌های خود را به محیطی قابل‌کاوش تبدیل کنند و قبل از نوشتن کدهای اصلی بازی، شکل و نحوه تعامل آن را مورد آزمایش قرار دهند.
فیلم‌سازان نیز می‌توانند موقعیت دوربین، نورپردازی و دیالوگ‌های شخصیت‌ها را در یک صحنه آزمایشی تغییر دهند. در عرصه رباتیک، محیط‌های شبیه‌سازی‌شده می‌توانند برای ارزیابی فرآیندهای اجرایی و بررسی واکنش‌های سامانه‌های هوش مصنوعی نسبت به موقعیت‌های متفاوت به کار گرفته شوند.
گوگل اعلام کرده که در حال حاضر Genie ۴ تنها در دسترس گروه کوچکی از آزمایش‌کنندگان قرار دارد. این شرکت قصد دارد در آینده دسترسی به این فناوری را از طریق پروژه Project Genie برای مشترکین Google AI Ultra و همچنین برای برخی کاربران و توسعه‌دهندگان از طریق Gemini API و Google AI Studio گسترش دهد.
با وجود این ویژگی‌ها، Genie ۴ هنوز در مرحله آزمایش قرار دارد. گوگل خاطرنشان کرده است که در صحنه‌های طولانی یا پس از اعمال تغییرات پیچیده، ممکن است جزئیات تصویر متزلزل شوند، صدا به‌صورت دقیق ارائه نشود یا تعاملات فضایی به‌درستی شبیه‌سازی نشوند.
۵۸۵۸
نظرات کاربران