Google DeepMind veröffentlicht Genie 4-Weltmodell mit Audio und verbesserter Physik

Google DeepMind hat die Veröffentlichung von Genie 4, der neuesten Iteration seines KI-Weltmodells, angekündigt. Das neue Modell führt signifikante Verbesserungen gegenüber seinem Vorgänger, Genie 3, ein, darunter native Audiogenerierung, realistischerere Physiksimulationen und eine verbesserte Konsistenz in den generierten Umgebungen. Laut Google sind diese Updates darauf ausgelegt, Anwendungen zu unterstützen, die von Robotiktrainings bis hin zu kreativen Prototypen reichen.

Verbesserte Realismus und Physik

Genie 4 nutzt Gemini 3.8 Flash als leitendes Agent, um Benutzerziele zu zerlegen und jeden Ausgabeframe in Echtzeit zu bewerten. Diese Integration hilft, den Kontext aufrechtzuerhalten, während sich Benutzer durch verschiedene Umgebungen bewegen. DeepMind gibt an, dass das Modell ein neues Niveau an Realismus bei der Simulation von Physik erreicht hat, insbesondere in Bezug auf Aerodynamik und Kollisionen. Darüber hinaus wird erwartet, dass menschliche Figuren innerhalb der Simulationen natürlichere Bewegungen und Reaktionen auf Umweltveränderungen zeigen, wodurch das oft mit KI-generierten Figuren verbundene „unheimliche“ Erscheinungsbild reduziert wird.

Das Modell unterstützt auch Änderungen von Parametern während des laufenden Prozesses. Benutzer können Wetterbedingungen ändern, Elemente hinzufügen oder Kamerawinkel mit natürlichen Sprachbefehlen anpassen, wobei Gemini hilft, die Simulation entsprechend zu steuern. Dieser Prozess ähnelt der Art und Weise, wie Reasoning-Modelle interne Prompts generieren, um Ausgaben zu verfeinern.

Native Audio und längere Konsistenz

Ein Hauptmerkmal von Genie 4 ist die Addition der nativen Audiogenerierung. Dazu gehören Umgebungsgeräusche und die Möglichkeit, Audioelemente innerhalb von Prompts anzugeben. DeepMind verspricht, dass das Modell interaktiven Dialog erstellen kann, der sich anpasst, wenn sich die Simulation ändert. Dies markiert das erste Mal, dass ein DeepMind-Weltmodell über native Audiofähigkeiten verfügt.

Was die Dauer betrifft, kann Genie 4 Erfahrungen von etwa zwei Minuten Länge erstellen, eine Steigerung gegenüber dem Limit von einer Minute bei Genie 3. Allerdings weist DeepMind darauf hin, dass Welten nur für ein paar Minuten konsistent bleiben, bevor das Modell den ursprünglichen Kontext „vergisst“. Das Unternehmen warnt, dass sich Details und Objektpermanenz im Laufe der Zeit verschieben können, wenn Simulationen länger laufen.

Zugang und Preise

Genie 4 wird derzeit als „Research Preview“ für eine kleine Gruppe vertrauenswürdiger Tester eingeführt. Google plant, Entwicklern den Zugang über die Gemini API und AI Studio zu gewähren, obwohl spezifische Preise für diese Dienste noch nicht bekannt gegeben wurden. Für Verbraucher wird der Zugang schrittweise eingeführt, beginnend mit Googels teuersten AI Ultra-Plänen, die bei 100 USD pro Monat beginnen. Google könnte den Zugang später auf AI Pro- und AI Plus-Pläne erweitern.

Die Verbrauchererfahrung wird über Project Genie abgewickelt, das bestimmte Nutzungseinschränkungen auferlegt. Eine Warteliste ist derzeit für Benutzer geöffnet, die an einem frühen Zugang interessiert sind. DeepMind betont, dass Weltmodelle weiterhin ein aktives Forschungsgebiet sind, und Genie 3 hat sich nie über die begrenzte Project Genie-Weberfahrung hinaus erweitert.

Warum es wichtig ist

Die Veröffentlichung von Genie 4 unterstreicht die wachsende Bedeutung von Weltmodellen bei der Entwicklung der allgemeinen künstlichen Intelligenz (AGI). Durch die Ermöglichung der Erstellung unendlicher, interaktiver Trainingsumgebungen für physische Roboter und schnelles Prototyping für kreative Bereiche bieten diese Modelle neue Werkzeuge für sowohl industrielle als auch künstlerische Anwendungen. Die Addition von Audio und verbesserte Physik bringt diese Simulationen näher an die Realität, was ihre Einführung in Gaming, Film-Previs und Robotik potenziell beschleunigen könnte.

Quellen (auf Englisch)

• arstechnica.com: DeepMind's Genie 4 world model adds audio and more realistic people to simulations - Ars Technica
• theverge.com: Google’s next Genie AI model generates more realistic experiences | The Verge

KI-Übersetzung des englischen Originalartikels, automatisch geprüft, damit sie dasselbe aussagt wie das Original. Die Quellen wurden auf Englisch geprüft.