Bir sokağa adım atıyor, etrafınızdaki insanları izliyor ve aniden başlayan yağmurun altında ilerliyorsunuz. Üstelik bütün bunlar önceden tasarlanmış bir oyunun içinde değil, siz dünyayı keşfederken gerçek zamanlı olarak oluşturulan bir simülasyonda gerçekleşiyor. Google DeepMind'ın yeni dünya modeli Genie 4, yapay zekanın sanal ortamlar oluşturma yeteneklerini bir adım ileri taşıyarak bu dünyalara ses, doğal insan hareketleri ve etkileşimli diyaloglar kazandırıyor.
Sanal dünyalar gerçek zamanlı olarak değişiyor
Gemini ailesinin yeteneklerinden yararlanan model, kullanıcıların metin komutlarıyla yönlendirebildiği, içinde serbestçe dolaşabildiği ve gelişimini anlık olarak değiştirebildiği sanal ortamlar oluşturuyor. Önceden hazırlanmış sahnelere veya her etkileşimin ayrı ayrı programlanmasına ihtiyaç duymayan sistem, kullanıcı dünyayı keşfederken görüntüleri kare kare üretiyor.
Genie 4'ün temelinde, Google'ın yapay genel zekaya (AGI) ulaşma yolunda önemli gördüğü dünya modelleri yaklaşımı bulunuyor. Bu modeller, yalnızca görüntü veya video oluşturmak yerine fiziksel bir ortamın nasıl davranacağını ve içindeki olayların nasıl gelişeceğini simüle etmeyi amaçlıyor. Böylece kullanıcı, oluşturulan bir sahneyi yalnızca izlemek yerine onun içinde hareket edebiliyor ve çevresindeki dünyayla etkileşime girebiliyor. Burada “kullanıcı” dediğimizde her zaman insanları kastetmediğimiz belirtelim.
Öte yandan modelin en dikkat çekici yeniliklerinden biri, simülasyon devam ederken doğal dil komutlarıyla ortamın değiştirilebilmesi. Kullanıcı hava durumunu değiştirebiliyor, kamerayı farklı bir noktaya taşıyabiliyor veya sahneye yeni karakterler ve nesneler ekleyebiliyor. Gemini modelleri de verilen komutları mevcut sahnenin bağlamına uyarlayarak dünyanın gelişimini yönlendiriyor.
Fizik kuralları ve insan hareketleri daha gerçekçi
Google, bir önceki modeli Genie 3’ü geçtiğimiz yıl tanıtmıştı. Genie 3, kullanıcıdan gelen klavye komutlarıyla kontrol edilebilen 720p çözünürlükte ve saniyede 24 kare hızında dünyalar sunabiliyordu. Genie 4 için şimdilik çözünürlük gibi detaylar paylaşılmamış ancak örnek videolar FHD ve 24 kare olarak paylaşılmış.
Genie 4, önceki sürüme kıyasla fiziksel olayları ve insan davranışlarını daha gerçekçi simüle edebiliyor. Google DeepMind, modelin aerodinamik ve çarpışmalar gibi fiziksel etkileşimleri daha başarılı şekilde canlandırabildiğini belirtiyor. İnsan karakterler de çevrelerine daha doğal tepki verebiliyor, daha akıcı hareket ediyor ve kullanıcı yönlendirmelerine gerçek zamanlı olarak karşılık verebiliyor.
Bu gelişmeler, oluşturulan ortamların yalnızca görsel açıdan etkileyici olmasının ötesinde, farklı senaryoların denenebileceği simülasyonlara dönüşmesini sağlayabilir. Bununla birlikte görsel gerçekçilik her ayrıntının fiziksel açıdan kusursuz olduğu anlamına gelmiyor. Şirket, özellikle karmaşık fiziksel etkileşimler ve uzun süre devam eden simülasyonlarda geliştirilmesi gereken alanların bulunduğunu kabul ediyor.
Genie 4 kendi sesini ve etkileşimli diyalogları üretiyor
Genie 4'ün önceki sürümden ayrıldığı önemli noktalardan biri de yerleşik ses üretimi. Model, oluşturduğu dünyayla eş zamanlı olarak rüzgar, dalga ve diğer ortam seslerini de üretebiliyor. Kullanıcılar komutlarıyla sahnenin ses özelliklerini de yönlendirebiliyor. Eğer istenirse sahneye uygun müzik bile oluşturulabiliyor.
Daha çarpıcı yenilik ise insan konuşmalarının simülasyona dahil edilmesi. Genie 4'teki karakterler, kullanıcının girdilerine ve dünyada gerçekleşen olaylara göre gerçek zamanlı, etkileşimli diyaloglar oluşturabiliyor. Böylece sanal karakterler yalnızca hareket eden görsel unsurlar olmaktan çıkarak çevrelerindeki gelişmelere konuşarak tepki verebilen varlıklara dönüşüyor.
Google DeepMind, ses üretimini dünya modelinin temel yeteneklerinden biri olarak konumlandırıyor. Görüntü, hareket ve sesin aynı simülasyon içinde birlikte oluşturulması, yapay zeka tarafından üretilen ortamların daha bütün bir deneyim sunmasını amaçlıyor.
Oluşturulan dünyalar çökmüyor
twitterwidget{float:none !important;margin:0 auto !important;}
Genie 4'ün arka planında Gemini modelleri önemli bir rol oynuyor. Google'ın açıklamasına göre Gemini Omni, simülasyonların gerçek dünyadaki görünüm ve davranış özelliklerini temel almasına yardımcı olurken diğer Gemini modelleri karmaşık akıl yürütme ve süreklilik görevlerini üstleniyor.
Sistem, kullanıcı bir komut verdiğinde yalnızca yeni bir görüntü oluşturmakla yetinmiyor. İstenen hedefi adımlara ayırabiliyor, ortaya çıkan kareleri takip edebiliyor ve simülasyonun planlanan yönde ilerleyip ilerlemediğini değerlendirebiliyor. Böylece kullanıcı ortamı değiştirirken önceki olaylarla yeni gelişmeler arasında bağlantı kurulması amaçlanıyor.
Google'ın paylaştığı örneklerden birinde Gemini 3.8 Flash, bu süreçte yönlendirici bir ajan olarak çalışıyor. Simülasyonu sürekli gözlemleyen model, hedefleri aşamalara ayırıyor ve her aşamanın gerçekleşip gerçekleşmediğini kontrol ediyor. Ortam değiştiğinde veya kullanıcı yeni bir komut verdiğinde planını güncelleyebiliyor.
Şirket ayrıca Gemini 4 Argon ile Genie 4'ü bir araya getirerek Apptronik'in Apollo insansı robotunun dama oynadığı bir simülasyon üzerinde çalıştığını belirtiyor. Bu örnek, dünya modellerinin yalnızca görsel içerik oluşturmak için değil, karmaşık görevlerin sanal ortamlarda denenmesi için de kullanılabileceğine işaret ediyor.
Tabi her şey gibi Genie 4 modeli de mükemmel değil. Bu modelde de tutarlılık, süre ile paralel şekilde ilerliyor. Süre uzadıkça dünyadaki bozulmalar artıyor. Çok sayıda karmaşık komutun arka arkaya verilmesi de bu sorunları artırabiliyor.
Kullanım alanının bir sınırı yok
Google DeepMind, Genie 4'ü yalnızca oyun benzeri sanal deneyimler oluşturmak için geliştirmiyor. Şirket, dünya modellerinin robotlar ve yapay zeka ajanları için güvenli, çeşitlendirilebilir eğitim ortamları oluşturabileceğini düşünüyor. Ancak kısa bir süre hayal ettiğinizde bu tarz dünya modellerinin şimdi olmasa bile gelecekte her alanda kullanılabileceğini görebilirsiniz.
Günümüzde Genie 4 bazı alanlara faydalı olabilir. Film yapımcıları bir sahneyi çekmeden önce sanal ortamın içine girerek kamera açılarını, ışıklandırmayı, diyalogları ve karakter hareketlerini değiştirebilir. Oyun geliştiricileri, oyun motorunda ayrıntılı bir geliştirme sürecine başlamadan önce doğal dil komutlarıyla keşfedilebilir prototipler hazırlayabilir.
Gazetecilik ve eğitim alanlarında da benzer kullanım senaryoları araştırılıyor. Örneğin arşivdeki iki boyutlu bir fotoğraf, içinde dolaşılabilen bir ortama dönüştürülerek geçmişteki bir mekânın daha kapsamlı biçimde deneyimlenmesine yardımcı olabilir. Sel veya orman yangını gibi çevresel olayların gelişimi de simülasyonlarla görselleştirilebilir.
Google Genie 4 ne zaman kullanılabilecek?
Genie 4 şu anda sınırlı sayıdaki güvenilir test kullanıcısına araştırma önizlemesi olarak sunuluyor. Google, daha geniş erişim öncesinde bu kullanıcılardan geri bildirim toplamayı ve modelin sınırlarını değerlendirmeyi planlıyor.
Tüketiciler için ilk aşamada Google AI Ultra aboneleri, Project Genie üzerinden modele erişebilecek. Google ayrıca Gemini API ve Google AI Studio üzerinden erken erişim ortaklarına Genie 4 sunmayı hedefliyor. Daha sonra AI Pro ve AI Plus aboneliklerine erişimin genişletilmesi ihtimali bulunsa da şirket bu konuda kesin bir takvim açıklamış değil.
Google AI Ultra aboneliğinin başlangıç fiyatı aylık 100 dolar seviyesinde bulunuyor. Ancak Genie 4'ün API üzerinden kullanım ücretleri henüz açıklanmadı. Project Genie üzerinden erişimde de kullanım sınırları uygulanacak. Şirket, oluşturulan görüntü ve seslere SynthID dijital filigran teknolojisini ekleyecek. Erken erişim elde etmek isteyen kullanıcılar için bir bekleme listesi de bulunuyor.
