ExplicadorGoogle DeepMind
Genie 4: o que é o modelo da Google que cria mundos interativos com som e quando o vais poder experimentar
Descreves uma cena e o Genie 4 gera um mundo por onde te podes mover com o teclado, mudar o tempo ou meter personagens a falar. A Google DeepMind apresentou-o esta semana como um passo para treinar robôs e agentes, mas, para já, só um grupo restrito o pode usar.
A Google DeepMind apresentou a 27 de outubro o Genie 4, a nova versão do seu "modelo de mundo". O nome descreve uma categoria de inteligência artificial diferente dos chatbots e dos geradores de vídeo: em vez de responder com texto ou de produzir um clipe fechado, o modelo cria um ambiente que vai sendo gerado à medida que o exploras. Nos exemplos publicados, os utilizadores andam pelo cenário com as teclas habituais dos jogos de computador e, ao mesmo tempo, escrevem instruções para mudar o que está a acontecer.
O que o Genie 4 faz de novo
Segundo a DeepMind, uma das principais novidades é o som. O Genie 4 gera a música, o ruído ambiente e o diálogo das personagens juntamente com a imagem. A empresa diz que o realismo também deu um salto, sobretudo na física (colisões e aerodinâmica, por exemplo) e na forma como simula pessoas, que se mexem e reagem ao ambiente. A meio da simulação podes pedir por escrito para mudar o tempo, mover a câmara ou acrescentar uma pessoa ou um objeto, e o sistema ajusta o pedido ao que está em cena.
Por trás estão modelos da família Gemini. O Gemini Omni ajuda a manter o aspeto e o comportamento próximos do mundo real, e outros modelos Gemini tratam do raciocínio necessário para a simulação não perder a coerência. A DeepMind mostrou ainda o Gemini 4 Argon e o Genie 4 a simular o robô humanoide Apollo, da Apptronik, a jogar às damas, um exemplo de como estes mundos podem servir para treinar robôs e agentes de IA em ambientes seguros.
Para que serve e onde ainda falha
Os testadores que já o usam vêm do cinema, do jornalismo, da educação, dos jogos e da engenharia. Realizadores usam-no para ensaiar cenas antes de as filmar, fotojornalistas para transformar uma fotografia de arquivo num ambiente que se pode percorrer, e criadores de jogos para testar ideias antes de escreverem código. A DeepMind diz que todos os vídeos e áudios gerados levam a SynthID, a marca de água invisível da Google para identificar conteúdos feitos por IA.
A própria empresa enumera os limites. Os ambientes mantêm-se coerentes em sessões curtas, mas os detalhes e a permanência dos objetos podem mudar com o tempo, depois de várias alterações ou quando se percorre o cenário. Física complexa, precisão do áudio, texto legível e consistência a longo prazo continuam a ser problemas por resolver.
Quando o podes usar
Para já, o Genie 4 está numa fase de pré-visualização de investigação, apenas com testadores escolhidos pela Google. A seguir chega aos assinantes do Google AI Ultra através do Project Genie, e a parceiros com acesso antecipado à API do Gemini e ao Google AI Studio, mas sem data anunciada. Há uma lista de espera no site da DeepMind.
Quando o Project Genie foi lançado, em janeiro, com o modelo anterior, estava limitado aos Estados Unidos, segundo a SiliconANGLE. Na página de ajuda do Google One consultada a 28 de outubro, o Project Genie aparece como protótipo experimental para maiores de 18 anos, com capacidade sujeita a disponibilidade, sem a indicação de "só nos EUA" que acompanha outras funções do plano.
