گوگل دیپ‌مایند دسترسی به Project Genie را برای کاربران آزمایشی خود فراهم کرده است. این ابزار به کاربران امکان می‌دهد با استفاده از متن یا تصویر، دنیاهای تعاملی بازی بسازند. در حال حاضر، این قابلیت برای مشترکان Google AI Ultra در ایالات متحده فعال است.
تکنولوژی پشت Project Genie
Project Genie از ترکیب چند مدل هوش مصنوعی بهره می‌برد:
-
Genie 3 – مدل جهان‌ساز اصلی
-
Nano Banana Pro – مدل تولید تصویر
-
Gemini – مدل چندمنظوره گوگل
مدل‌های جهان‌ساز (World Models) امکان ایجاد نمایش داخلی محیط و پیش‌بینی نتایج آینده را فراهم می‌کنند. این قابلیت‌ها می‌توانند در آینده برای آموزش ربات‌ها و دستیابی به هوش مصنوعی عمومی (AGI) کاربرد داشته باشند. برای بررسی اخبار مرتبط با توسعه مدل‌های جهان‌ساز می‌توانید به مقاله‌ی ما درباره OpenAI Frontier و مدیریت عوامل هوش مصنوعی مراجعه کنید.
نحوه کارکرد
-
ایجاد اسکچ جهان: کاربر متن یا تصویر پایه‌ای را وارد می‌کند.
-
ساخت تصویر اولیه با Nano Banana Pro: تصویر تولید شده قابل ویرایش است.
-
تبدیل تصویر به جهان تعاملی: Genie با استفاده از تصویر، جهان بازی قابل پیمایش می‌سازد.
-
امکان ریمیکس و دانلود ویدئو: کاربران می‌توانند دنیاهای ساخته‌شده را دوباره ویرایش کنند یا ویدئوی آن را ذخیره کنند.
در حال حاضر، زمان ساخت و پیمایش جهان محدود به ۶۰ ثانیه است تا منابع محاسباتی محدود گوگل به بیشترین تعداد کاربر برسد.
ویژگی‌ها و محدودیت‌ها
-
ایمنی و حقوق کپی‌رایت: مدل نمی‌تواند محتوای نامناسب یا آثار دارای حق نشر، مانند دیزنی، تولید کند.
-
سبک هنری: مدل در ایجاد دنیاهای هنری مانند کارتونی یا آبرنگ عالی عمل می‌کند.
-
محدودیت در واقع‌گرایی: دنیاهای فوتورئالیستی هنوز نقص دارند و تعامل با اشیا گاهی درست نیست.
-
کنترل حرکت: کاربر با کلیدهای W-A-S-D و Space حرکت می‌کند، اما گاهی ناهموار است.
اهداف آینده
DeepMind می‌خواهد واقع‌گرایی و تعامل با محیط را بهبود بخشد و کنترل بیشتری به کاربران بدهد. این ابزار در حال حاضر یک نمونه آزمایشی است و هدف آن ایجاد تجربه‌ای منحصر به فرد است که سایر ابزارها قادر به ارائه آن نیستند.
برای مطالعه بیشتر درباره روند توسعه هوش مصنوعی و ابزارهای مرتبط می‌توانید به مقالات دیگر سایت ما مانند Reddit و فرصت‌های جستجوی هوش مصنوعی یا سرمایه‌گذاری‌های عظیم Big Tech در هوش مصنوعی مراجعه کنید.
