Google DeepMindがワールドモデルGenie 4を発表
Google DeepMindは、インタラクティブな仮想環境をリアルタイムで生成するワールドモデルの第4世代、Genie 4を発表しました。1年前に登場し、ゲーム業界に懸念を呼んだGenie 3と比べて、新バージョンは物理表現がより正確になり、人物の見た目も改善され、初めて音声にも対応しています。
このシステムは、制御エージェントとして機能するGemini 3.8 Flashと連携して動作します。ユーザーの目標を段階に分け、各フレームを分析し、シミュレーションを調整することで、異なる環境間を移動しても元の文脈が保たれるようにします。ただし、Genie 4の世界が安定して維持されるのは数分間に限られ、その後はモデルが初期条件を失い始めます。
開発者によると、Genie 4は空気力学や物体同士の衝突の扱いが向上しました。シミュレーション内の人物は不自然さが減り、動きや環境の変化への反応もより自然になっています。
さらにこのモデルは、周囲の環境音を生成できるほか、特に目を引く点として、シミュレーションの進行に合わせて変化するキャラクターの対話型音声も生成できます。
開発者はGemini APIとAI Studioを通じて利用できるようになります。一般ユーザー向けには、月額約1万5000円からのGoogle AI Ultraプランで段階的に提供される予定です。その後、より安価なAI ProやAI Plusのプランにも拡大される可能性があります。前世代と同様に、Genie 4は機能を制限したウェブインターフェースProject Genieを通じて提供されます。試してみたい方は、順番待ちリストに登録できます。
Googleは、ワールドモデルは依然として研究段階の分野であるとしつつも、強い人工知能への道における重要な一歩と位置づけています。最初の応用例としては、ロボット向けの無制限の学習環境の生成や、クリエイティブ分野での迅速なプロトタイピングが挙げられています。この技術は、世界を1フレームずつシミュレーションすることを学習しています。