گوگل Genie 4 را برای شبیه‌سازی جهان معرفی کرد
مقدمه
گوگل دیپ‌مایند در ۲۷ اکتبر ۲۰۲۶ از Genie 4 رونمایی کرد؛ مدلی از نوع «مدل جهان» که برای ساخت و هدایت شبیه‌سازی‌های تعاملی در زمان واقعی طراحی شده است. کاربر می‌تواند با فرمان متنی، مسیر دوربین، آب‌وهوا، شخصیت‌ها یا رخدادهای صحنه را تغییر دهد و مدل باید ادامه جهان را با تصویر، حرکت و صدا تولید کند.
این خبر لزوماً به معنی عرضه یک ابزار آماده برای همه کاربران نیست. گوگل Genie 4 را فعلاً به‌صورت پیش‌نمایش پژوهشی در اختیار گروه محدودی از آزمایش‌کنندگان مورد اعتماد قرار داده و وعده داده است که دسترسی بعدی از Project Genie برای مشترکان Google AI Ultra و همچنین شریک‌های دسترسی زودهنگام Gemini API و Google AI Studio آغاز شود.
Genie 4 چیست؟
مدل‌های جهان به‌جای ساخت یک تصویر یا ویدیوی ازپیش‌تولیدشده، تلاش می‌کنند محیطی را بسازند که پس از هر ورودی کاربر نیز واکنش نشان دهد. در نمونه‌های Genie 4، کاربر با کنترل‌های معمول صفحه‌کلید و ماوس در محیط حرکت می‌کند و هم‌زمان می‌تواند با متن در صحنه دخالت کند؛ مثلاً دوربین را جابه‌جا کند، وضعیت هوا را تغییر دهد یا شخصیت و شیء تازه‌ای اضافه کند.
گوگل می‌گوید Genie 4 از توانایی‌های خانواده Gemini برای حفظ پیوستگی رویدادها و استدلال درباره روند صحنه استفاده می‌کند. بنابراین هدف فقط تولید قاب‌های چشم‌نواز نیست؛ مدل باید تا حدی رابطه علت‌ومعلولی میان تغییرات محیط و واکنش عناصر آن را نیز حفظ کند.
قابلیت‌های کلیدی اعلام‌شده
- کنترل زنده با زبان طبیعی: تغییر صحنه هنگام اجرا، از جمله افزودن شخصیت، تغییر آب‌وهوا و هدایت دوربین.
- تولید صدای بومی: صدای محیط، موسیقی و گفت‌وگوی تعاملی همراه با جهان تولید می‌شوند، نه به‌عنوان لایه‌ای جداگانه که بعداً به ویدیو افزوده شود.
- شبیه‌سازی واقع‌گرایانه‌تر: گوگل از بهبود حرکت شخصیت‌ها و رفتار پدیده‌هایی مانند برخورد اجسام، جریان آب و تأثیرات فیزیکی صحبت می‌کند.
- رویدادهای چندمرحله‌ای: Gemini در کنار Genie 4 می‌تواند برای رسیدن به یک هدف، مراحل را در حین تغییر صحنه بازبینی و با وضعیت جدید تطبیق دهد.
این ترکیب برای ساخت تجربه‌هایی مهم است که قرار نیست از ابتدا تا انتها خطی باشند. برای نمونه، یک طراح می‌تواند ایده اولیه یک محیط بازی را به صحنه‌ای قابل گشت‌وگذار تبدیل کند، یا سازنده محتوای ویدیویی پیش از تولید نهایی، نور، زاویه دوربین و حرکت بازیگران را در یک پیش‌نمایش تعاملی بررسی کند.
دسترسی و محدودیت‌ها
مهم‌ترین نکته برای کاربران عادی این است که Genie 4 هنوز محصول عمومی محسوب نمی‌شود. صفحه رسمی گوگل آن را یک فناوری در حال تکامل معرفی می‌کند و می‌گوید انتشار اولیه با آزمایش‌کنندگان مورد اعتماد انجام شده است. زمان دقیق دسترسی گسترده‌تر، قیمت یا سطح امکانات نسخه نهایی نیز اعلام نشده است.
خود گوگل محدودیت‌های مشخصی را هم فهرست کرده: جزئیات بصری و ماندگاری اشیا ممکن است در اجرای طولانی یا پس از چند ویرایش پیچیده تغییر کند؛ دقت تعامل‌های چندعامل، بازنمایی دقیق مکان‌های واقعی، تولید متن خوانا و دقت صدای لحظه‌ای همچنان چالش دارند. مدت تعامل پیوسته نیز فعلاً در حد چند دقیقه توصیف شده است.
همه ویدیوها و صداهای تولیدشده با Genie 4 قرار است دارای SynthID، فناوری واترمارک نامحسوس گوگل برای شناسایی محتوای هوش مصنوعی، باشند. با این حال، چنین نشانه‌ای جای بررسی منبع و زمینه انتشار یک ویدیوی مشکوک را نمی‌گیرد؛ به‌ویژه وقتی محتوای واقع‌گرایانه می‌تواند برداشت نادرست ایجاد کند.
کاربردهای احتمالی برای بازی و تولید محتوا
گوگل از آزمایش Genie 4 در حوزه‌هایی مانند فیلم‌سازی، روزنامه‌نگاری، آموزش، بازی و مهندسی نام می‌برد. در بازی‌سازی، کاربرد نزدیک‌تر آن می‌تواند ساخت سریع نمونه اولیه محیط، آزمودن ایده مکانیک‌ها یا تصور سبک بصری پیش از صرف زمان برای ساخت دارایی‌ها در موتور بازی باشد. این موضوع با «ساخت خودکار یک بازی کامل و آماده انتشار» تفاوت دارد؛ خروجی یک مدل جهان هنوز به ابزارهای تولید حرفه‌ای، طراحی انسانی و آزمون فنی نیاز خواهد داشت.
برای کاربران و تولیدکنندگان محتوا در ایران، اهمیت فعلی Genie 4 بیشتر در نشان‌دادن مسیر ابزارهای خلاق هوش مصنوعی است تا یک سرویس قابل استفاده فوری. اگر دسترسی آن بعداً عمومی شود، باید شرایط حساب، منطقه پشتیبانی‌شده، هزینه اشتراک و ضوابط استفاده از خروجی‌ها جداگانه بررسی شوند.
جمع‌بندی
Genie 4 گام تازه گوگل دیپ‌مایند در نزدیک‌کردن تولید تصویر، صدا، تعامل و کنترل زبانی در یک شبیه‌سازی زنده است. قابلیت‌هایی مانند تغییر لحظه‌ای محیط و صدای بومی، آن را از ابزارهای صرفاً تولید ویدیو متمایز می‌کند؛ اما وضعیت کنونی آن پژوهشی و محدود است. بنابراین فعلاً باید آن را یک معرفی مهم فناوری دانست، نه محصولی که همه کاربران بتوانند همین امروز با آن جهان‌های تعاملی بسازند.
جزئیات رسمی در وبلاگ Google DeepMind و صفحه مدل Genie 4 منتشر شده است.
منصور عبداللهی
