Google DeepMind-ը ներկայացրել է Project Genie՝ արհեստական բանականությամբ ստեղծվող ինտերակտիվ աշխարհների համար

Google DeepMind-ը ներկայացրել է Project Genie՝ արհեստական բանականության գործիք, որը թույլ է տալիս օգտատերերին ստեղծել և ուսումնասիրել ինտերակտիվ խաղային աշխարհներ՝ օգտագործելով տեքստային հրահանգներ կամ պատկերներ։ Հինգշաբթի օրվանից ԱՄՆ-ում Google AI Ultra բաժանորդները կարող են մուտք գործել այս փորձարարական հետազոտական պրոտոտիպ, որը համատեղում է DeepMind-ի վերջին աշխարհային մոդելը՝ Genie 3-ը, Nano Banana Pro պատկերների գեներացման մոդելը և Gemini համակարգը։

Այս նախաձեռնությունը գալիս է Genie 3-ի հետազոտական նախադիտումից հինգ ամիս առաջ և նպատակ ունի հավաքել օգտատերերի արձագանքներ և ուսուցման տվյալներ՝ աշխարհային մոդելի զարգացման առաջխաղացման համար։ Աշխարհային մոդելները արհեստական բանականության համակարգեր են, որոնք ստեղծում են միջավայրերի ներքին ներկայացումներ, թույլ տալով կանխատեսել ապագա արդյունքներ և պլանավորել գործողություններ։ DeepMind-ը այս մոդելները համարում է արհեստական ընդհանուր բանականության (AGI) հասնելու կարևոր քայլեր և տեսնում է դրանց կիրառությունները վիդեոխաղերում, զվարճանքի ոլորտում և ռոբոտաշինության ուսուցման մեջ։

Project Genie-ի թողարկումը համընկնում է աշխարհային մոդելների զարգացման ակտիվացման հետ։ Fei-Fei Li-ի World Labs-ը վերջերս ներկայացրել է իր առաջին կոմերցիոն արտադրանքը՝ Marble-ը, իսկ AI վիդեոգեներացման ստարտափ Runway-ն իր աշխարհային մոդելը։ Բացի այդ, Meta-ի նախկին գլխավոր գիտնական Yann LeCun-ի հիմնադրած AMI Labs-ը կենտրոնացած է աշխարհային մոդելների մշակման վրա։

DeepMind-ի հետազոտական տնօրեն Շլոմի Ֆրուխտերը արտահայտել է ոգևորություն Project Genie-ի ավելի լայն հասանելիության կապակցությամբ՝ նշելով. «Հուզիչ է լինել այնպիսի վայրում, որտեղ ավելի շատ մարդիկ կարող են մուտք գործել և մեզ հետադարձ կապ տրամադրել»։

DeepMind-ը նշում է, որ Project Genie-ն փորձարարական բնույթ ունի, և թեև կարող է ստեղծել խաղալու համար հարմար աշխարհներ, արդյունքները կարող են տարբեր լինել։ Օգտատերերը սկսում են միջավայրի և գլխավոր կերպարի տեքստային հրահանգներից, որոնք Nano Banana Pro-ն օգտագործում է պատկերի ստեղծման համար։ Այս պատկերը ծառայում է որպես հիմք Genie-ին ինտերակտիվ աշխարհ ստեղծելու համար։ Օգտատերերը կարող են փոփոխել պատկերը մինչև աշխարհի ստեղծումը և նաև օգտագործել իրական լուսանկարներ որպես հիմք, թեև արդյունքները կարող են անկանոն լինել։

Աշխարհը ստեղծվելուց հետո օգտատերերը կարող են ուսումնասիրել այն առաջին կամ երրորդ անձի տեսանկյունից, վերամշակել գոյություն ունեցող աշխարհները կամ դիտարկել ընտրված աշխարհները պատկերասրահում։ Ներկայումս DeepMind-ը սահմանափակում է աշխարհի ստեղծման և նավիգացիայի ժամանակը 60 վայրկյանով՝ բյուջետային և հաշվարկային սահմանափակումների պատճառով։ Ֆրուխտերը բացատրել է. «Սահմանափակումը 60 վայրկյան է, քանի որ ցանկանում էինք այն մատչելի դարձնել ավելի շատ օգտատերերի համար։ Երբ օգտագործում եք այն, կա մի չիպ, որը միայն ձերն է և նվիրված է ձեր սեսիային»։

Նա հավելել է, որ ժամանակի երկարացումը կկրճատի փորձարկման հավելյալ արժեքը՝ նշելով. «Միջավայրերը հետաքրքիր են, բայց որոշակի պահի, իրենց ինտերակտիվության մակարդակի և դինամիկայի սահմանափակ լինելու պատճառով, մենք դա դիտարկում ենք որպես սահմանափակում, որը հույս ունենք բարելավել»։

Փորձարկումների ընթացքում Project Genie-ն լավ արդյունքներ է ցույց տվել արվեստի ոճերով հրահանգների դեպքում, ինչպիսիք են ջրաներկերը կամ անիմեի ոճերը, սակայն դժվարություններ է ունեցել ֆոտոիրական կամ կինեմատոգրաֆիկ աշխարհների ստեղծման հարցում՝ հաճախ արդյունքները նմանվելով վիդեոխաղերի, այլ ոչ թե իրական միջավայրերի։ Իրական լուսանկարների օգտագործումը որպես հիմք նույնպես տվել է խառը արդյունքներ՝ երբեմն ստեղծելով սառը, թվային տեսք ունեցող միջավայրեր։

Ինտերակտիվությունը ևս բարելավման կարիք ունի։ Օգտատերերը հաղորդել են դեպքեր, երբ կերպարները անցնում էին պատերի կամ առարկաների միջով։ Բացի այդ, նավիգացիոն կառավարումները երբեմն անպատասխանատու էին կամ ուղարկում էին օգտատերերին ոչ ցանկալի ուղղություններով։

Ֆրուխտերը ընդունել է այս թերությունները՝ ընդգծելով, որ Project Genie-ն փորձարարական պրոտոտիպ է։ Նա նշել է, որ թիմը նպատակ ունի բարելավել իրականության զգացողությունը և ինտերակտիվության հնարավորությունները, ներառյալ օգտատերերին ավելի մեծ վերահսկողություն տալ գործողությունների և միջավայրերի նկատմամբ։

«Մենք Project Genie-ն չենք դիտարկում որպես վերջնական արտադրանք, որը մարդիկ կարող են ամեն օր օգտագործել, բայց կարծում ենք, որ արդեն կա հետաքրքիր և յուրահատուկ մի բան, որը այլ կերպ հնարավոր չէ անել», - ասել է Ֆրուխտերը։

Project Genie-ի շարունակական զարգացման ընթացքում DeepMind-ը պլանավորում է լուծել այս սահմանափակումները և ընդլայնել հասանելիությունը ավելի շատ օգտատերերի համար՝ նպատակ ունենալով կատարելագործել գործիքը օգտատերերի արձագանքների և հետագա հետազոտությունների հիման վրա։