A Google új AI-ja már nemcsak videót készít: bejárható világokat hoz létre
Egyetlen leírásból induló, bejárható és hangokkal teli digitális világok: a Google DeepMind bemutatta a Genie 4-et. A technológia még kísérleti, de már most megmutatja, merre tart a játékfejlesztés, a filmkészítés és a robotika.
A mesterséges intelligencia ma már képes néhány sorból látványos képet vagy rövid videót készíteni. A Google DeepMind azonban most ennél egy lépéssel tovább menne: olyan digitális környezeteket fejleszt, amelyekbe nemcsak betekinteni, hanem belépni is lehet. A 2026. október 27-én bemutatott Genie 4 a vállalat új, úgynevezett világmodellje, amely a felhasználó mozgására és utasításaira reagálva alakítja az általa létrehozott jelenetet.
A különbség elsőre apróságnak tűnhet, valójában viszont alapvető. Egy hagyományos AI-videóban azt látjuk, amit a modell előre elkészített. Egy interaktív világban ezzel szemben a felhasználó választhat irányt, megváltoztathatja az időjárást, vagy új szereplőt kérhet a jelenetbe, miközben a rendszer folytatja a környezet megjelenítését.
Egy virtuális világ, amely reagál a döntéseinkre
A Google DeepMind hivatalos bejelentése szerint a Genie 4 szöveges utasításokkal irányítható. Nemcsak a látványt generálja, hanem környezeti hangokat és a szereplők közötti párbeszédet is képes létrehozni. A bemutatóban a felhasználók billentyűzettel mozognak a virtuális térben, és menet közben változtatják meg annak elemeit.
A fejlesztésnek része a Gemini modellekkel való együttműködés is. A Google példája szerint a Gemini 3.8 Flash segíthet megtervezni és ellenőrizni egy eseménysor lépéseit, miközben a Genie 4 valós időben állítja elő a látványt és a hangokat. A cél nem pusztán az, hogy a jelenet jól nézzen ki, hanem hogy a benne zajló események követhetően kapcsolódjanak egymáshoz.
Ez még nem azt jelenti, hogy egyetlen kattintással elkészülhet egy teljes, hibátlan videojáték. A világmodell technológiája inkább egy újfajta digitális alapanyag, amelyből később sok különböző felhasználás születhet.
Filmkészítés, játékfejlesztés, robotika: hol lehet igazán érdekes?
A Google már kreatív szakemberekkel és kutatókkal is teszteli a modellt. Egy filmrendező például gyorsan kipróbálhatja, hogyan mutatna egy jelenet más fényviszonyok között, vagy honnan lenne érdemes felvenni egy képsort. Egy játéktervező pedig már a részletes fejlesztés előtt bejárhatja az elképzelt helyszínt.
A lehetőségek nem állnak meg a szórakoztatásnál. A fejlesztők szerint a generált helyzetek robotok és AI-ügynökök gyakorlóterepévé válhatnak. Egy váratlan akadály, egy megváltozott útvonal vagy egy új környezeti feltétel szimulációja segítheti a rendszerek tesztelését anélkül, hogy minden helyzetet a valóságban kellene létrehozni.
Az ilyen technológiáknál ugyanakkor egyre fontosabb kérdés, hogy felismerjük-e a mesterségesen létrehozott tartalmakat. Korábban az AI-tartalmak azonosításáról és a Google vízjelezési megoldásairól is írtunk. A DeepMind közlése szerint a Genie 4 által generált videók és hangok SynthID-jelölést kapnak.
Mikor próbálhatjuk ki a Genie 4-et?
Egyelőre nincs általános, mindenki számára megnyitott változat. A Google kutatási előzetesként, kiválasztott tesztelők számára vezette be a rendszert, később pedig a Google AI Ultra előfizetői és egyes fejlesztőpartnerek is hozzáférést kaphatnak. A szélesebb körű hozzáférés pontos dátumát a bejelentés nem közölte.
A vállalat maga is elismeri, hogy az új világmodellnek vannak korlátai: hosszabb használat során a részletek elcsúszhatnak, a tárgyak és helyszínek következetessége sérülhet, a fizikai kölcsönhatások pedig nem mindig pontosak. A fejlesztést ezért ma inkább ígéretes kutatási állomásnak, mint kész tömegterméknek érdemes tekinteni.
A Genie 4 mégis fontos irányt mutat. Az AI-korszak következő nagy kérdése már nemcsak az lehet, hogy mit tudunk elkészíttetni egy géppel, hanem az is, hogyan léphetünk kapcsolatba az általa felépített világgal.
Források
Borítókép forrása: AI illusztráció.
Tetszett? Oszd meg másokkal is!
A szerzőről
