Google DeepMindが次世代ワールドシミュレーション「Genie 4」を発表！リアルタイムインタラクティブシミュレーションの新たな可能性

Genie 4とは何か？

Google DeepMindは、新しいワールドモデル「Genie 4」を発表しました。これは、これまでにないリアリズムとリアルタイムインタラクティブシミュレーションの向上を実現するものです。Genie 4はネイティブにマルチモーダルであり、オーディオのような音楽、環境音、インタラクティブな対話を世界と同時に生成できます。

Genie 4モデルは、Geminiファミリーの機能を組み込み、それを基盤としています。Gemini Omniはシミュレーションを現実世界の見た目と挙動に固定し、他のGeminiモデルはシミュレーションの一貫性と継続性を維持するために必要な複雑な推論を提供します。この基盤により、イベントを設定すると、Genie 4は次に何が起こるか、世界がどのように反応するか、どのような音がするか、そしてそこにいる人々がどのように動き、反応し、話すかをシミュレートします。

世界を理解しシミュレートすることは、AGI（汎用人工知能）構築の重要な側面です。Genie 4は、ロボットやエージェントのトレーニング環境の開発から、新しいインタラクティブ体験の創造まで、あらゆることに役立つ安全で無限に多様なシミュレーションを作成する能力を進化させます。

Genie 4の主要な機能

Genie 4は、以下の4つの主要な機能を強化します。

• リアルタイムでのワールドシミュレーションの形成: Genie 4では、自然言語を使用してリアルタイムでシミュレーションを変更できます。例えば、天候の変更、カメラの移動、新しい人物やオブジェクトの導入などです。Geminiは、周囲のシーンに合わせてプロンプトを文脈的に適応させます。ユーザーの入力の間も、Geminiはシーンを監視し、世界が一貫して進行するように誘導します。
• 物理と人間の行動におけるリアリズムの推進: Genie 4は、リアルタイムインタラクティブシミュレーションに新しいリアリズムの基準を導入します。世界の高度な物理的理解に基づいて構築されており、空気力学や衝突などの現実世界の物理シナリオをシミュレートします。最も劇的な進歩は、Genie 4が人々をシミュレートする方法です。自然に動き、環境に有機的に反応し、リアルタイムでインタラクティブに操作できるキャラクターを作成します。
• 世界の音のモデリング: Genie 4は、オーディオをネイティブに生成する初のリアルタイムワールドモデルです。すべての世界は、木々の風の音からビーチでの波の音まで、それぞれの設定の環境音を伴います。しかし、真のフロンティアは人間の音声です。Genie 4は、その場で適応するインタラクティブな対話を導入します。キャラクターは、ユーザーの入力や世界でのイベントに反応して会話します。これらすべてがリアルタイムで行われます。

Genie 4の提供状況

Genie 4は、現在、信頼できるテスター向けの調査プレビューとして展開が開始されています。消費者や開発者へのリリースに先立ち、フィードバックを収集しています。まずは、Project GenieのGoogle AI Ultra購読者と、Gemini APIおよびGoogle AI Studioの早期アクセスパートナーから提供が開始されます。

Genie 4の待機リストは、Project Genieで参加できます。