جینی ۴ و جمنای ۴ در ایجاد جهانهای تعاملی
منتشرشده: · فناوری

جینی ۴، مدل هوش مصنوعی گوگل، قادر به ساخت جهانهای تعاملی با صدای واقعی و فیزیک دقیق است، اما پایداری اشیا و انسجام بلندمدت هنوز چالشبرانگیز باقی مانده است.
جینی ۴، مدل هوش مصنوعی گوگل، در حال حاضر میتواند جهانهای تعاملی با صدای واقعی و فیزیک دقیق ایجاد کند، اما پایداری اشیا و انسجام بلندمدت هنوز حل نشده است. اگر محیط تغییر کند یا کاربر دخالت تازهای داشته باشد، جمنای برنامه را همان لحظه اصلاح میکند. دیپمایند انتظار دارد چنین همکاریای به رفتارهای رویهای و استدلال چندمرحلهای منجر شود؛ ویژگیهایی که برای آزمودن عاملهای هوشمند پیش از استقرار در محیط واقعی اهمیت دارند.
پژوهشگران ترکیب جمنای ۴ و جینی ۴ را در ارتباط با Gemini Robotics آزمایش کردهاند. جمنای ۴ وظیفهی تعیینشده از سوی کاربر را به چند گام میشکند و توضیح متنی هر مرحله هنگام رندر به جینی ۴ میرسد. قابلیت هدایت زنده با متن اجازه میدهد شبیهسازی در مسیر انجام وظیفه اصلاح شود، نه آنکه پس از هر خطا کاملاً از ابتدا ساخته شود.
دیپمایند در آینده به مدلهای فراگیر ترکیبی جستوجو میپردازد که استدلال منطقی و ساختاریافتهی کد و مدلهای زبانی را با بازنمایی حسی شبیهسازی پیکسلی پیوند میدهد. یک بخش ساختار، اهداف و خط زمانی روایت را میچیند و بخش دیگر ظاهر، صدا و واکنش فیزیکی جهان را تولید میکند.
همکاری نزدیکتر جینی و جمنای گامی ابتدایی در همان جهت به شمار میآید. جمنای پشت صحنه نقشه و توالی رویدادها را تنظیم میکند؛ جینی واقعیت فوری را میسازد. حاصل مطلوب، مدلی کنترلپذیرتر و منسجمتر خواهد بود که اتکای بیشتری به روابط جهان دارد، هرچند نمونهی کنونی هنوز به آن نقطه نرسیده است.
دیپمایند جینی ۴ را مدلی اولیه و آزمایشی معرفی میکند. محیط طی نشستهای کوتاه انسجام خود را حفظ میکند، ولی جزئیات بصری و ماندگاری اشیا ممکن است به مرور تغییر کنند. اجرای طولانیتر، ویرایشهای پیچیده و متعدد با فرمان متنی یا حرکت گسترده در صحنه احتمال لغزش را افزایش میدهد.
ادغام سیستم تولید بلادرنگ با تصویر واقعگرایانه، مجموعهی تازهای از خطرها را ایجاد میکند. دیپمایند میگوید جینی ۴ از محافظهای ایمنی هماهنگ با سیاستهای دیگر مدلهایش بهره میگیرد و پیش از عرضهی پیشنمایش، ارزیابیهای داخلی سختگیرانهای برای جلوگیری از محتوای زیانبار یا مخرب پشت سر گذاشته است.
جینی ۴ هنوز یک محصول عمومی کامل نیست. مدل در مرحلهی پیشنمایش پژوهشی به آزمایشکنندگان مورد اعتماد رسیده و قرار است بهزودی برای مشترکان Google AI Ultra در Project Genie و شرکای دسترسی زودهنگام Gemini API و Google AI Studio ارائه شود. علاقهمندان Project Genie نیز میتوانند به فهرست انتظار بپیوندند.