A Google DeepMind apresentou o Genie 4 na terça-feira, um modelo de IA que gera mundos virtuais interativos em tempo real, com uma série de aplicações potenciais.
O Genie 4 é multimodal nativamente, disse o Google em uma publicação no blog, o que significa que música, sons ambientes e diálogos interativos podem ser gerados simultaneamente dentro do mundo.
Mais especificamente, os usuários podem usar linguagem natural para modificar simulações em tempo real, como alterar o clima, ajustar ângulos de câmera e introduzir novas pessoas e objetos. O Genie 4 também oferece suporte a diálogos interativos. O modelo ajusta automaticamente a cena para corresponder ao comando e mantê-la avançando de forma coesa, lidando com cenários de física do mundo real, como aerodinâmica e colisões.
"O salto mais impressionante está na forma como o Genie 4 simula pessoas, criando personagens que se movem naturalmente, respondem de maneira orgânica aos ambientes e podem ser controlados interativamente em tempo real", disseram no texto Raia Hadsell, Diego Rivas e Hang Qi, da Google DeepMind.
O modelo está sendo lançado inicialmente como uma prévia de pesquisa para um grupo selecionado de testadores, a fim de coletar feedback antes de uma disponibilização mais ampla para consumidores e desenvolvedores, informou a empresa. O lançamento começa com assinantes do Google AI Ultra no Project Genie e parceiros com acesso antecipado à Gemini API e ao Google AI Studio.
Aproveitando a família Gemini
O Genie 4 incorpora recursos da família de modelos de IA Gemini já existente do Google, com o Gemini Omni ancorando as simulações na aparência e no comportamento do mundo real, enquanto outros modelos lidam com raciocínios complexos para ajudar a manter a coerência e a continuidade da simulação, disseram os autores.
O Gemini 3.8 Flash atua como um "agente orientador no loop" para ajudar a alcançar recursos em tempo real, analisando continuamente a cena, dividindo os objetivos em uma sequência de etapas e revisando os quadros recebidos para acompanhar e verificar o progresso, segundo a empresa.
No entanto, os autores alertaram que o Genie 4 ainda está em uma fase inicial de pesquisa e, embora consiga manter ambientes coerentes durante sessões curtas, os elementos podem se desviar com o tempo, especialmente quando as simulações duram mais ou passam por várias edições complexas de comandos.
A Google DeepMind afirmou que a tecnologia poderá futuramente ajudar a treinar agentes de IA e robôs em ambientes virtuais, além de possibilitar novas aplicações na produção cinematográfica, em videogames e em outras experiências interativas.