Google pracuje na rôznych modeloch využívajúcich generatívnu umelú inteligenciu a jedným z jeho skutočne výnimočných projektov je model sveta Genie. Do širšieho povedomia sa dostal v lete 2025, keď spoločnosť predstavila Genie 3 s možnosťou vytvárať interaktívne grafické prostredie. Teraz prichádza nová verzia, ktorá prináša významný posun vpred.
Genie 4, ktorý vyvíja DeepMind, je zatiaľ najlepším modelom sveta. Tento nástroj už vytvára interaktívne prostredia, ktoré môžu používatelia v reálnom čase skúmať a upravovať pokynmi v prirodzenom jazyku. Každá zmena sa v prebiehajúcej simulácii prejaví okamžite a prispôsobí zážitok predstavám používateľa.
Na rozdiel od predchádzajúcich generácií dokáže Genie 4 súbežne s obrazom natívne generovať aj zvuky a dialógy, čím dotvára celý zážitok.
Ako je známe, Genie 4 nie je tradičným modelom na generovanie videa, ale interaktívnym simulátorom. Jeho používanie veľmi pripomína vstup do hry. Po zadaní ľubovoľného promptu sa používateľ môže okamžite ponoriť do vygenerovaného sveta, v ktorom klávesnicou a myšou ovláda pohyb aj pohľad. Počas celej simulácie sa môže voľne rozhliadať a prechádzať prostredím.
Najpôsobivejšou schopnosťou nového modelu Genie je „ovládanie za chodu“: používateľ môže počas simulácie meniť prostredie zadávaním textových pokynov. Virtuálny priestor tak možno priebežne rozširovať, ale aj upravovať celé prostredie. V exteriéri sa dá napríklad zmeniť počasie či denná doba. Príkazmi sa mení aj uhol kamery a používateľ nimi získava nové nástroje. Trochu to pripomína zadávanie cheatovacích kódov v GTA.
Vďaka prepracovanej architektúre a zdokonaleniu technológie môže simulácia jedného sveta bežať dlhšie než doteraz, stále však ide o veľmi krátky čas. Používatelia budú mať k dispozícii iba dve minúty. Práve tak dlho dokáže Genie 4 zaručiť stabilitu a súdržnosť vytvorenej scény. Je to dvojnásobok toho, čo Genie 3 zvládal v roku 2025. Treba však dodať, že v simuláciách by sa v skutočnosti už dalo zotrvať oveľa dlhšie. Potom sa však začínajú objavovať chyby, stráca sa kontext a pribúdajú ďalšie problémy. Google preto možnosti neobmedzuje počtom tokenov, ale časom.
Vďaka generovaniu zvuku, ktoré prichádza s Genie 4, bude mať každý virtuálny priestor vlastné akustické prostredie. Šumenie vetra, žblnkot tečúcej vody aj zvuk krokov vznikajú v simulácii v reálnom čase a prispôsobujú sa dianiu. Pobyt v simulácii tak bude oveľa realistickejší a virtuálny priestor ľudí viac pohltí. Ak sa v scéne nachádza viac ľudí, postavy nebudú iba mlčky prechádzať okolo. Môžu sa pustiť do rozhovoru a osloviť aj používateľa. Interaktivita sa rozšíri aj na konverzáciu a vývoj sveta ovplyvní aj to, čo zaznie v rozhovore.
Veľmi dôležitá je aj realistická fyzika s gravitáciou a vzájomným pôsobením objektov. Model sveta Genie 4 simuluje následky zrážok predmetov, pôsobenie vetra na stromy a dokonca aj pohyb vody. Aj list padajúci do vody rozvíri hladinu a bude ho sprevádzať zvuk. Keď však do jazera vstúpi používateľ, vznikne oveľa väčší hluk aj výrazné vlny.
Výskumníci z DeepMind zapájajú do zabezpečenia stabilného fungovania Genie 4 takmer všetky významnejšie modely Gemini. Gemini Omni vytvára mnohé prvky vizuálneho sveta, napríklad textúry a realistické vzorce správania. Gemini 3.8 Flash ako interný agent simulácie na pozadí neustále sleduje generované snímky, kontroluje ciele používateľa a pomáha zachovávať priestorovú konzistentnosť, čím bráni rozpadu sveta.
Výskumníci do fungovania Genie 4 experimentálne zapojili aj Gemini 4 Argon. Pomocou neho vytvorili mimoriadne zložité simulácie, v ktorých sa robot pohyboval úplne realisticky a jeho jednotlivé končatiny sa správali tak, ako by sa pohybovali v skutočnosti. Pre robota v podstate vytvorili digitálne dvojča na simulovanie rôznych situácií, pomocou ktorého ho dokážu aj trénovať. Nejde o fikciu: Genie 4 takýmto spôsobom skutočne prispel k tréningu robota Apptronik Apollo.
Podľa výskumníkov z Google DeepMind je vývoj modelov sveta jedným zo zásadných krokov k dosiahnutiu všeobecnej umelej inteligencie (AGI). V budúcnosti môže výrazne prispieť k rozvoju robotiky, agentov, kreatívneho priemyslu vrátane filmovej tvorby aj vývoja hier.
Vývojári vo svojej správe tiež uviedli, že technológia má ešte ďaleko k všeobecnému využitiu. Potrvá ešte dlho, kým si človek sadne k počítaču a namiesto spustenia obľúbenej hry si začne pomocou promptov vytvárať vlastný svet podľa momentálnej predstavy alebo touto technológiou natočí film. Dlhšie scény a opakované úpravy vedú k rozpadu simulácie. Aj Genie 4 má stále problémy s textom a nezvláda ani zložité fyzikálne javy, pokiaľ nedostane opis toho, čo sa má stať.
Na zabránenie zneužitiu dostanú všetky obrazové aj zvukové stopy vygenerované modelom Genie 4 „neviditeľný“ digitálny odtlačok SynthID od Googlu. To umožní zneužitiu predísť alebo ho aspoň obmedziť, pretože sociálne platformy, na ktorých by sa takýto obsah mohol šíriť, tieto materiály označia.
Genie 4 je momentálne dostupný na vyskúšanie v rámci výskumnej ukážky s obmedzeným prístupom. Širšie sprístupňovanie bude prebiehať postupne a čím viac niekto zaplatí, tým skôr sa k nemu dostane, čo zrejme nikoho neprekvapí. Ako prví získajú prístup predplatitelia Google AI Ultra, no aj tí si musia počkať v poradovníku.
