Содержание
Новый ИИ для визуала от Google — Genie 3
Черновик готовит редакция с помощью ИИ. За стандарт издания отвечает главный редактор — Валерий Курземнек.
DeepMind представил Genie 3 — модель «миров» (world model), которая по текстовому описанию генерирует интерактивные, навигируемые окружения в реальном времени. Это похоже на фильм, в который вы можете войти, изменить погоду и пройтись по сцене — но всё это создаёт ИИ по ходу действий.
Если хотите больше знать о нейросетях для визуального контента — приглашаем на бесплатный вебинар по этой теме!
Что такое Genie 3 и почему это важно
Genie 3 — не просто генератор видео: это симулятор мира, который делает кадры «на лету», реагирует на ваши действия и хранит визуальную память о том, что происходило в сцене (примерно до одной минуты). Он работает в реальном времени с частотой ~24 кадра в секунду и разрешением порядка 720p — то есть интерактивность и визуальная связность заметно выросли по сравнению с предыдущими версиями. Это даёт возможность не просто смотреть ролик, а исследовать мир и менять его через текстовые команды.
Ключевые технические фишки — простым языком
- Навигируемые миры: вы можете двигаться по сцене — вещи останутся на своих местах, даже если вы на время ушли из кадра. Это называется визуальной консистентностью.
- Визуальная память ~1 минута: модель «помнит» объекты и состояние сцены в течение примерно минуты, что позволяет возвращаться к ранее увиденному без «перестановки мебели».
- Реaltime 24 fps @ 720p: плавность и детализация рассчитаны на интерактивное использование (да, пока не 4K и не 120 fps — но это большой прыжок по сравнению с ранними системами).
- Promptable world events: вы можете в середине сессии ввести «Поменяй погоду на шторм» или «Добавь туда собаку» — и мир адаптируется.
Представьте, что вы не просто смотрите фильм, а играете в «интерактивную картину», где каждый ваш шаг — ещё один кадр, который генерируется по ходу действия.
Чем Genie 3 лучше предыдущих версий
Genie 2 умел генерировать сцены короче и с меньшей детализацией (например, 360p и десятки секунд). Genie 3 — шаг вперёд: минуты интерактивного времени, более чёткая картинка, лучшая физическая правдоподобность и управление событиями. Удивительно, что визуальная согласованность у Genie 3 выросла как побочный эффект обучения модели, а не за счёт традиционных 3D-репрезентаций вроде NeRF — то есть модель «научилась» удерживать мир в голове сама.
Где это уже может пригодиться (реальные кейсы)
- Игры и развлечения. Генерация бесконечных игровых миров по простому описанию — представьте процедурную игру, где каждый уровень создаёт ИИ по вашему сценарию. Это быстрее, чем ручная конфигурация ландшафа и NPC.
- Обучение роботов и симуляции для robotics. Генерация разнообразных сцен позволяет тренировать агентов (роботов) в тысячах «что если» ситуаций — DeepMind уже тестирует своих агентов (например, SIMA) в мирах Genie 3. Это экономит время и риски при подготовке к реальным условиям.
- Образование и исторические реконструкции. Пройтись по древнему Крите или изучать поведение экосистем — и всё это интерактивно и настраиваемо.
Ограничения — честно и без розовых очков
Genie 3 впечатляет, но у него есть ограничения:
Сессии стабильны на «несколько минут», но не часы подряд. Взаимодействие с другими независимыми агентами в сложных сценариях всё ещё вызывает трудности. Модель не всегда точно воспроизводит читаемый текст или детальную картографическую точность мест.
Сейчас Genie 3 — ограниченный research preview: доступ получили избранные учёные и создатели, а широкая публика пока не может зайти и потестить. Это сделано в интересах безопасности и изучения последствий.
Почему это всё — важно для будущего ИИ
World models вроде Genie 3 — не просто «крутая игрушка». Это платформа для обучения агентов в богатой, изменяемой реальности: такие симуляторы ускоряют исследования по обучению с подкреплением, безопасности агентов и созданию более гибких автономных систем.
Многие эксперты называют мир-модели важной вехой на пути к более общему ИИ (AGI), потому что модель, которая умеет «предсказывать мир» и работать с ним — получает фундаментальное понимание причинно-следственных связей.