Google DeepMind lanza Project Genie para mundos interactivos generados por IA

Google DeepMind ha dado a conocer Project Genie, una herramienta de IA que permite a los usuarios crear y explorar mundos de juegos interactivos utilizando indicaciones de texto o imágenes. A partir del jueves, los suscriptores de Google AI Ultra en EE. UU. pueden acceder a este prototipo experimental de investigación, que combina el último modelo de mundo de DeepMind, Genie 3, con el modelo de generación de imágenes Nano Banana Pro y el sistema Gemini.

Esta iniciativa sigue a la vista previa de investigación de Genie 3 hace cinco meses y tiene como objetivo recopilar comentarios de los usuarios y datos de entrenamiento para avanzar en el desarrollo de modelos de mundo. Los modelos de mundo son sistemas de IA que generan representaciones internas de entornos, lo que permite predecir resultados futuros y planificar acciones. DeepMind considera estos modelos como pasos cruciales hacia la consecución de la inteligencia artificial general (AGI) y visualiza aplicaciones en videojuegos, entretenimiento y entrenamiento en robótica.

El lanzamiento de Project Genie coincide con una mayor actividad en el desarrollo de modelos de mundo. World Labs, de Fei-Fei Li, lanzó recientemente su primer producto comercial, Marble, mientras que la startup de generación de video con IA Runway ha presentado su propio modelo de mundo. Además, AMI Labs, fundada por el ex científico jefe de Meta Yann LeCun, se centra en el desarrollo de modelos de mundo.

Shlomi Fruchter, director de investigación en DeepMind, expresó entusiasmo por el acceso más amplio a Project Genie, afirmando: "Creo que es emocionante estar en un lugar donde más personas pueden acceder y darnos retroalimentación."

DeepMind reconoce la naturaleza experimental de Project Genie, señalando que aunque puede generar mundos jugables, los resultados pueden variar. Los usuarios comienzan proporcionando indicaciones de texto para el entorno y el personaje principal, que Nano Banana Pro utiliza para crear una imagen. Esta imagen sirve como base para que Genie genere un mundo interactivo. Los usuarios pueden modificar la imagen antes de la generación del mundo y también pueden usar fotos reales como base, aunque los resultados pueden ser inconsistentes.

Una vez generado el mundo, los usuarios pueden explorarlo en vista en primera o tercera persona, remezclar mundos existentes o explorar mundos seleccionados en la galería. Actualmente, DeepMind limita la generación y navegación del mundo a 60 segundos debido a restricciones presupuestarias y computacionales. Fruchter explicó: "La razón por la que lo limitamos a 60 segundos es porque queríamos llevarlo a más usuarios. Básicamente, cuando lo usas, hay un chip en algún lugar que es solo tuyo y está dedicado a tu sesión."

Agregó que extender la duración disminuiría el valor incremental de las pruebas, señalando: "Los entornos son interesantes, pero en algún momento, debido a su nivel de interacción y el dinamismo del entorno, es algo limitado. Aun así, vemos eso como una limitación que esperamos mejorar."

En las pruebas, Project Genie funcionó bien con indicaciones artísticas, como acuarelas o estilos de anime, pero tuvo dificultades con mundos fotorrealistas o cinematográficos, produciendo a menudo resultados que se asemejan más a videojuegos que a escenarios de la vida real. Usar fotos reales como base también arrojó resultados mixtos, a veces generando entornos estériles y con apariencia digital.

La interactividad es otra área a mejorar. Los usuarios reportaron casos en los que los personajes atravesaban paredes u objetos. Además, los controles de navegación a veces no respondían o enviaban a los usuarios en direcciones no deseadas.

Fruchter reconoció estas deficiencias, enfatizando que Project Genie es un prototipo experimental. Indicó que el equipo busca mejorar el realismo y las capacidades de interacción, incluyendo dar a los usuarios más control sobre las acciones y los entornos.

"No pensamos en [Project Genie] como un producto integral al que la gente pueda volver todos los días, pero creemos que ya hay un atisbo de algo interesante y único que no puede hacerse de otra manera," dijo Fruchter.

A medida que Project Genie continúa evolucionando, DeepMind planea abordar estas limitaciones y ampliar el acceso a más usuarios, con el objetivo de perfeccionar la herramienta basándose en la retroalimentación de los usuarios y en investigaciones adicionales.