Yapay zekâ alanındaki yarış hız kesmeden sürerken, Google DeepMind metin ve görsel komutlarıyla gerçek zamanlı keşfedilebilir simülasyonlar üreten yeni nesil dünya modeli Genie 4’ü resmi olarak tanıttı. Standart video oluşturma araçlarının aksine, kullanıcıların sahneyle klavye, fare ve metin komutları üzerinden anlık etkileşime girmesine olanak tanıyan model, video oyunlarından robotik araştırmalarına kadar pek çok sektörde köklü bir paradigma değişiminin kapısını aralıyor. Araştırma ön izlemesi kapsamında güvenilir test kullanıcılarına açılan Genie 4, serinin ilk kez çok modlu yerel ses ve konuşma sentezleme yeteneğine sahip sürümü olma özelliği taşıyor.
Genie 4’ü önceki sürümlerden ayıran en çarpıcı yenilik, simülasyonun akışı bozulmadan kullanıcı müdahalesine gerçek zamanlı yanıt verebilmesi. Kullanıcılar sahne oynatılırken yalnızca doğal dille komut vererek hava durumunu bir anda fırtınalı bir gökyüzüne dönüştürebiliyor, kamera açısını dinamik olarak değiştirebiliyor ya da alana yeni nesneler ve karakterler dahil edebiliyor. Model, gelişmiş aerodinamik ve çarpışma dinamikleri sayesinde fiziksel etkileşimleri çok daha inandırıcı kılarken, insan hareketlerini de çevre koşullarına organik tepkiler verecek biçimde simüle ediyor.
Sistemin arka planında ise çift motorlu yenilikçi bir yapay zekâ mimarisi yer alıyor. Genie 4 pikselleri ve ortamı eş zamanlı üretirken, döngü içerisinde görev alan Gemini 3.8 Flash gibi gelişmiş dil modelleri bir planlayıcı ve denetleyici ajan rolü üstleniyor. Kullanıcı bir hedef tanımladığında Gemini modeli bu hedefi ardışık adımlara bölüyor, her kareyi izleyerek adımın başarıyla tamamlanıp tamamlanmadığını doğruluyor ve kullanıcı sahneye müdahale ettiğinde planı anında yeniden güncelliyor. Bu hibrit yapı, simülasyonun mekânsal ve zamansal tutarlılığını korumasında kritik bir köprü görevi görüyor.
Modelin getirdiği bir diğer dönüm noktası, görselle eş zamanlı üretilen yerleşik ses ortamı. Genie 4; ağaçların arasından esen rüzgâr, kırılan dal sesleri veya dalga uğultuları gibi çevre seslerini fiziksel hareketle milisaniyelik senkronizasyonla oluştururken, sahneye uygun dinamik arka plan müzikleri ve konuşan karakterler için anlık diyaloglar da üretebiliyor. Üretilen tüm görsel ve işitsel içeriklerin güvenliğini sağlamak amacıyla Google, içeriklere DeepMind’ın dijital filigran teknolojisi SynthID entegre edildiğini belirtiyor.
Kullanım alanları açısından Genie 4, özellikle oyun geliştiricilerinin henüz tek bir satır oyun motoru kodu yazmadan interaktif mekanikleri ve görsel tarzları test etmelerine fırsat tanıyor. Sinema sektöründe yönetmenlerin canlı "çekim öncesi görselleştirme" (pre-visualization) yapabilmesine ve foto muhabirlerinin arşiv fotoğraflarını saniyeler içinde simüle edilebilir alanlara dönüştürmesine olanak tanıyan teknoloji, robotik alanında da büyük bir test platformu vaat ediyor. Nitekim yapılan gösterimlerde Gemini ve Genie ikilisinin, Apptronik’in insansı robotu Apollo için dama oynama görevini sanal bir odada adım adım modelleyip test edebildiği sergilendi.
Google, karmaşık çoklu ajan etkileşimleri, gerçek dünya mekânlarının birebir ölçeklenmesi ve uzun oturumlarda yaşanan nesne kaymaları gibi sınırların aşılması için çalışmaların sürdüğünü ifade ediyor. Halihazırda bekleme listesi açık olan Genie 4’ün, önümüzdeki haftalarda Project Genie platformu üzerinden Google AI Ultra abonelerine, ayrıca Gemini API ve Google AI Studio aracılığıyla kurumsal ve bağımsız geliştiricilere kademeli olarak açılması planlanıyor.