Google DeepMind stellt das Weltmodell Genie 4 vor
Google DeepMind hat Genie 4 vorgestellt, die vierte Generation seines Weltmodells, das interaktive virtuelle Umgebungen in Echtzeit erzeugen kann. Im Vergleich zu Genie 3, die vor einem Jahr erschien und in der Spielebranche für Besorgnis sorgte, bildet die neue Version die Physik genauer ab, verbessert das Aussehen von Menschen und unterstützt erstmals Ton.
Das System arbeitet zusammen mit Gemini 3.8 Flash, das als steuernder Agent fungiert. Es zerlegt die Ziele der Nutzer in Teilschritte, analysiert jedes einzelne Bild und passt die Simulation an, damit der ursprüngliche Kontext beim Wechsel zwischen verschiedenen Umgebungen erhalten bleibt. Dennoch bleiben die Welten von Genie 4 nur wenige Minuten stabil, danach beginnt das Modell, die Ausgangsbedingungen zu verlieren.
Nach Angaben der Entwickler kommt Genie 4 besser mit Aerodynamik und Kollisionen von Objekten zurecht. Menschen in den Simulationen wirken weniger unnatürlich, und ihre Bewegungen sowie Reaktionen auf Veränderungen der Umgebung sind glaubwürdiger geworden.
Das Modell kann außerdem Hintergrundgeräusche der Umgebung erzeugen und, was besonders auffällt, interaktive Sprache der Figuren, die sich dem Verlauf der Simulation anpasst.
Entwickler erhalten Zugang über die Gemini API und AI Studio. Für Privatnutzer werden die Funktionen schrittweise im Rahmen der Abonnements Google AI Ultra freigeschaltet, deren Preis bei 100 US-Dollar pro Monat beginnt. Später könnte der Zugang auch auf die günstigeren Tarife AI Pro und AI Plus ausgeweitet werden. Wie schon beim Vorgänger wird Genie 4 über die Weboberfläche Project Genie mit eingeschränktem Funktionsumfang bereitgestellt. Wer das System testen möchte, kann sich auf die Warteliste setzen lassen.
Google betont, dass Weltmodelle weiterhin ein Forschungsgebiet sind, sieht in ihnen aber einen wichtigen Schritt auf dem Weg zu starker künstlicher Intelligenz. Zu den ersten Anwendungen zählen die Erzeugung unbegrenzt vieler Trainingsumgebungen für Roboter und schnelles Prototyping in den Kreativbranchen. Die Technologie lernt, die Welt Bild für Bild zu simulieren.