Google DeepMind, yapay zekâ ile gerçek zamanlı sanal evrenler inşa etme alanında yeni bir eşik geçiyor. Şirketin tanıttığı Genie 4, klavye komutlarıyla ya da doğal dille yönlendirilebilen, fotogerçekçi simülasyonlar üreten bir dünya modeli. Şimdilik araştırma önizlemesi statüsünde sunuluyor.
Yaklaşık bir yıl önce gösterilen Genie 3'ün altyapısına dayanan model, şimdiye dek görülmemiş seviyede fotogerçekçilik ve etkileşim vaat ediyor. Paylaşılan örnek içerikler bu iddiayı destekler nitelikte.
Süren simülasyona anında müdahale imkânı
Genie 4'ü rakip araçlardan ve önceki sürümlerden ayıran özellik, simülasyon akmaya devam ederken ortama dokunulabilmesi. Kullanıcı hava durumunu yağmura çevirebilir, kamera açısını başka bir yerden görüntüleyebilir veya sahneye yeni insanlar, nesneler katabilir.
Bütün bunlar önceden kurgulanmış sabit 3D sahneler ya da elle kodlanmış etkileşimler olmadan gerçekleşiyor. Kullanıcı dünyada gezindikçe görüntüler kare kare anlık olarak üretiliyor. Rüzgar ve insan sesleri dahil tüm ortam sesleri de canlı olarak oluşturuluyor.
İki dakikalık tutarlılık ve daha iyi fizik
Model, tek bir sahnede iki dakikaya kadar tutarlılık koruyabiliyor; bu süre, Genie 3'ün sınırının tam iki katı. Genie 3'te 720p çözünürlük ve 24 fps hız şart olarak paylaşılırken, Genie 4 için net bir çözünürlük bilgisi verilmemiş durumda; yine de ilk demo videolar FHD çözünürlük ve 24 kare hızında izleyiciyle buluştu.
Görsel kalitenin ötesinde fizik hesaplarında da kayda değer ilerleme söz konusu. DeepMind'ın aktardığına göre çarpışma ve aerodinamik gibi etkileşimler selefinden belirgin biçimde daha iyi simüle ediliyor. Sahneye dahil edilen insan karakterler hem daha gerçekçi hareketler sergiliyor hem de ortam değişikliklerine ve kullanıcı komutlarına doğal tepkiler veriyor.
Konuşabilen karakterler ve Gemini yönetimi
Duyusal tarafta yerleşik ses entegrasyonu öne çıkıyor. Genie 4, dünyayla eş zamanlı biçimde dalga, rüzgar, ambiyans gürültüleri ve müzik üretebiliyor. Sanal karakterler ayrıca kullanıcının girdilerine ve dünyada olup bitenlere göre gerçek zamanlı, etkileşimli diyaloglar kurabiliyor; yani yürüyen kuklalar olmaktan çıkıp konuşan aktörlere dönüşüyor.
Simülasyonun arkasındaki zihinsel mimariyi Gemini modelleri yürütüyor. Google'ın açıkladığı çalışma yapısında Gemini bir film yönetmeni gibi hareket ediyor: görevi aşamalara ayırıyor, üretilen kareleri sürekli denetliyor ve sahnenin mantık çerçevesini koruyor. Paylaşılan teknik örneklerden birinde Gemini 3.8 Flash, simülasyonu aralıksız izleyen yönlendirici bir ajan rolünde çalıştı. Başka bir araştırmada Gemini 4 Argon, karmaşık görevleri adımlara bölerek Genie 4'e eş zamanlı simülasyon yaptırdı. İki modelin birlikte kullanıldığı bir deneyde Apptronik'in Apollo insansı robotunun dama oynadığı senaryo da başarılı şekilde simüle edildi.
Sınırlamalar ve erişim planı
DeepMind ekibi modelin daha erken aşamada olduğunu ve kusurlar içerdiğini açıkça dile getiriyor. Simülasyon uzadıkça nesnelerde kayma ve bozulma görülebiliyor; üst üste verilen çok fazla karmaşık komut ise sürekliliği bozabiliyor.
Kimler, ne zaman kullanabilecek? Genie 4 şu an sadece Google'ın belirlediği "güvenilir test kullanıcıları" için açık. Önümüzdeki haftalarda aylık başlangıç fiyatı 100 dolar olan Google AI Ultra aboneleri, metin ve görselden interaktif dünya oluşturmayı sağlayan Project Genie arayüzü üzerinden modele erişim kazanabilecek.
Yorumlar (0)
Henüz yorum yok. İlk yorumu siz yapın!