Genie 4 относится к так называемым world models, моделям мира. Пользователь задаёт исходную сцену, а система продолжает её уже как интерактивную среду: рассчитывает происходящее, движение объектов и людей, одновременно создаёт окружающие звуки, музыку и диалоги персонажей.
Причём мир можно менять прямо по ходу действия. Попросить перенести камеру, вызвать дождь, добавить новый объект или персонажа - и модель должна встроить изменение в уже существующую сцену.
Внутри работает и Gemini. Одна модель создаёт происходящее буквально кадр за кадром, другая наблюдает за ним, разбивает сложное событие на последовательность действий и проверяет, удалось ли выполнить очередной шаг.
DeepMind показывает столкновения, аэродинамику, движение людей и даже разговоры с персонажами. Но пока это исследовательская версия. Компания признаёт, что при долгой работе детали могут меняться, предметы - неожиданно исчезать или преобразовываться, а сложная физика и пространственная точность ещё требуют доработки.
И всё же граница уже сдвинулась.
Раньше генеративный ИИ создавал для человека результат: текст, картинку, музыку, видео. Теперь он начинает создавать среду, внутри которой человек сам действует, а система рассчитывает последствия.
DeepMind прежде всего говорит об обучении роботов и AI-агентов. Но дальше легко увидеть образование, кино, игры и виртуальные лаборатории: не показывать ученику готовую модель явления, а позволить войти внутрь, изменить условие и посмотреть, как вслед за ним изменится мир.
Кажется, генеративный ИИ постепенно перестаёт отвечать на вопрос «что показать?» и берётся за гораздо более сложный: «что произойдёт, если?..»
