Η Google DeepMind παρουσίασε πρόσφατα τη νέα έκδοση του AI μοντέλου της, Genie 3, που μπορεί να δημιουργήσει τρισδιάστατους κόσμους σε real–time, στους οποίους μπορούν να κινούνται και να αλληλεπιδρούν τόσο χρήστες όσο και AI agents.
Τα “world models” αποτελούν εξελιγμένα AI συστήματα που προσομοιώνουν ψηφιακά περιβάλλοντα, χρήσιμα για εκπαίδευση, ψυχαγωγία ή και για την εξάσκηση άλλων AIs. Αντί να είναι χειροποίητοι με 3D assets, οι κόσμοι παράγονται απευθείας από προτροπές (prompts), όπως γίνεται και στα AI εργαλεία εικόνας ή βίντεο. Η Google ασχολείται σοβαρά με αυτόν τον τομέα – το Genie 2 εμφανίστηκε τον Δεκέμβριο, δημιουργώντας αλληλεπιδραστικά περιβάλλοντα από εικόνες, και η ομάδα πίσω από το Genie 3 έχει στις τάξεις της πρώην συν-επικεφαλής του OpenAI Sora.
Το Genie 3 βελτιώνει τα βασικά προβλήματα των προηγούμενων μοντέλων: οι κόσμοι πλέον μπορούν να παίζονται για «μερικά λεπτά» αντί για τα μόλις 10–20 δευτερόλεπτα του Genie 2, και το μοντέλο θυμάται αντικείμενα στον χώρο — αν κοιτάξεις αλλού και ξαναστρέψεις το βλέμμα σου, η κιμωλία στον πίνακα ή η βαφή στον τοίχο θα παραμείνουν στη θέση τους. Επίσης, υποστηρίζεται 720p ανάλυση στα 24fps, ενώ προστίθενται και “promptable world events” — δηλαδή μπορείς με ένα prompt να αλλάξεις τον καιρό, να εμφανίσεις χαρακτήρες ή να επηρεάσεις τη σκηνή σε πραγματικό χρόνο.
Με το Genie 3, η Google φέρνει το AI πιο κοντά στο interactive gaming και storytelling, και το αποτέλεσμα θυμίζει ένα μείγμα video game, simulation και ταινίας που… γράφεται live!
