Genie 3: Dünya Modelleri İçin Yeni Bir Sınır
Bugün, eşi benzeri görülmemiş çeşitlilikte etkileşimli ortamlar oluşturabilen çok yönlü bir dünya modeli olan Genie 3’ü duyuruyoruz.
Bir metin istemi verildiğinde, Genie 3, 720p çözünürlükte, saniyede 24 kare hızında gerçek zamanlı olarak gezinebileceğiniz, birkaç dakika boyunca tutarlılığını koruyan dinamik dünyalar oluşturabilir.
Google DeepMind’de, gerçek zamanlı strateji oyunlarında uzmanlaşmış ajanları eğitmekten, açık uçlu öğrenme ve robotik için simüle edilmiş ortamlar geliştirmeye kadar, on yılı aşkın bir süredir simüle edilmiş ortamlarda çığır açan araştırmalar yapıyoruz. Bu çalışma, dünyanın anlaşılmasını kullanarak bazı yönlerini simüle edebilen yapay zeka sistemleri olan dünya modellerinin geliştirilmesini teşvik etti; böylece ajanların hem bir ortamın nasıl değişeceğini hem de eylemlerinin onu nasıl etkileyeceğini tahmin etmelerini sağladı.
Dünya modelleri aynı zamanda Yapay Genel Zeka’ya (AGI) giden yolda kritik bir adımdır, çünkü yapay zeka ajanlarını zengin simülasyon ortamlarında sınırsız bir müfredatta eğitmek mümkün hale gelir. Geçen yıl, ajanlar için yeni ortamlar oluşturabilen ilk temel dünya modelleri olan Genie 1 ve Genie 2’yi tanıttık. Sezgisel fizik konusunda derin bir anlayış sergileyen Veo 2 ve Veo 3 modellerimizle de video oluşturmada en son teknolojinin sınırlarını zorlamaya devam ettik.
Bu modellerin her biri, dünya simülasyonunun farklı yetenekleri boyunca ilerlemeler kaydetmektedir. Genie 3, gerçek zamanlı etkileşime olanak tanıyan ilk dünya modelimiz olup, Genie 2’ye kıyasla tutarlılığı ve gerçekçiliği de artırmaktadır.
Genie 3’ün yetenekleri şunları içermektedir:
Aşağıdakiler, Genie 3’ten gerçek zamanlı etkileşimlerin örnekleridir.
Su ve aydınlatma gibi doğal fenomenleri ve karmaşık çevresel etkileşimleri deneyimleyin.
Hayvan davranışlarından karmaşık bitki yaşamına kadar canlı ekosistemler oluşturulabilir.
Hayal gücünden yararlanarak, fantastik senaryolar ve etkileyici animasyonlu karakterler yaratılabilir.
Coğrafi ve zamansal sınırları aşarak çeşitli yerleri ve geçmiş dönemleri keşfedin.
Genie 3’te yüksek derecede kontrol edilebilirlik ve gerçek zamanlı etkileşim sağlamak önemli teknik atılımlar gerektirdi. Her karenin otomatik regresif üretimi sırasında, modelin zamanla genişleyen önceden oluşturulmuş yörüngeyi dikkate alması gerekir. Örneğin, kullanıcı bir dakika sonra bir konumu tekrar ziyaret ederse, modelin bir dakika önceki ilgili bilgilere başvurması gerekmektedir. Gerçek zamanlı etkileşim elde etmek için, bu hesaplama, yeni kullanıcı girdileri geldikçe saniyede birden çok kez gerçekleşmelidir.
Yapay zeka tarafından oluşturulan dünyaların sürükleyici olması için, uzun vadede fiziksel olarak tutarlı kalmaları zorunludur. Ancak, bir ortamı otomatik olarak regresif bir şekilde oluşturmak, genellikle tüm bir videoyu oluşturmaktan daha zorlu bir teknik problemdir, çünkü yanlışlıklar zamanla birikme eğilimindedir. Bu zorluğa rağmen, Genie 3 ortamları birkaç dakika boyunca büyük ölçüde tutarlılığını korur ve görsel belleği bir dakika öncesine kadar uzanır.
Genie 3’ün tutarlılığı, ortaya çıkan bir yetenektir. NeRF’ler ve Gaussian Splatting gibi diğer yöntemler de tutarlı, gezilebilir 3B ortamlara izin verir, ancak açık bir 3B temsilinin sağlanmasına bağlıdır. Aksine, Genie 3 tarafından oluşturulan dünyalar, dünya açıklamasına ve kullanıcının eylemlerine göre kare kare oluşturuldukları için çok daha dinamik ve zengindir.
Gezinme girdilerine ek olarak, Genie 3 aynı zamanda “hızlı dünya olayları” olarak adlandırdığımız daha etkileyici bir metin tabanlı etkileşim biçimi sunar.
Hızlı dünya olayları, hava koşullarını değiştirmek veya yeni nesneler ve karakterler eklemek gibi oluşturulan dünyayı değiştirmeyi mümkün kılar ve gezinme kontrollerinin ötesinde deneyimi zenginleştirir.
Bu yetenek aynı zamanda, deneyimden öğrenen ajanlar tarafından beklenmedik durumları ele almak için kullanılabilecek karşı olgusal veya “eğer ne olursa” senaryolarının kapsamını da artırır.
Genie 3 tarafından oluşturulan dünyaların gelecekteki ajan eğitimi için uygunluğunu test etmek amacıyla, 3D sanal ortamlar için genel amaçlı ajanımız olan SIMA ajanımızın son bir sürümü için dünyalar oluşturduk. Her dünyada, ajana Genie 3’e gezinme eylemleri göndererek ulaşmayı hedeflediği bir dizi farklı hedefi takip etmesi talimatını verdik. Diğer tüm ortamlarda olduğu gibi, Genie 3 de ajanın hedefinden habersizdir; bunun yerine geleceği ajanın eylemlerine göre simüle eder.
Genie 3 tutarlılığı koruyabildiği için, artık daha karmaşık hedeflere ulaşarak daha uzun bir dizi eylemi yürütmek mümkündür. Bu teknolojinin AGI’ya doğru ilerlerken kritik bir rol oynamasını ve ajanların dünyada daha büyük bir rol üstlenmesini bekliyoruz.
Genie 3, dünya modellerinin neler başarabileceğinin sınırlarını zorlarken, mevcut sınırlamalarını kabul etmek önemlidir:
* Ajanın doğrudan gerçekleştirebileceği eylemlerin aralığı şu anda kısıtlıdır.
* Paylaşılan ortamlarda birden çok bağımsız ajan arasındaki karmaşık etkileşimleri doğru bir şekilde modellemek hala devam eden bir araştırma zorluğudur.
* Genie 3 şu anda gerçek dünya konumlarını mükemmel coğrafi doğrulukla simüle edememektedir.
* Açık ve okunaklı metin genellikle yalnızca girdi dünya açıklamasında sağlandığında oluşturulur.
* Model şu anda uzun saatler yerine birkaç dakikalık sürekli etkileşimi desteklemektedir.
Temel teknolojilerin başlangıcından itibaren sorumluluğa derin bir bağlılık gerektirdiğine inanıyoruz. Genie 3’teki teknik yenilikler, özellikle açık uçlu ve gerçek zamanlı yetenekleri, güvenlik ve sorumluluk açısından yeni zorluklar getirmektedir. Bu benzersiz riskleri ele alırken faydaları en üst düzeye çıkarmayı amaçlamak için, Sorumlu Geliştirme ve İnovasyon Ekibimizle yakın bir şekilde çalıştık.
Google DeepMind’de, istenmeyen etkileri en aza indirirken, insan yaratıcılığını artıran bir şekilde sınıfının en iyisi modellerimizi geliştirmeye kararlıyız. Genie için potansiyel uygulamaları keşfetmeye devam ederken, Genie 3’ü küçük bir akademisyen ve yaratıcı grubuna erken erişim sağlayan sınırlı bir araştırma önizlemesi olarak duyuruyoruz. Bu yaklaşım, bu yeni sınırı keşfederken ve riskler ile uygun azaltmalar hakkındaki anlayışımızı geliştirmeye devam ederken, önemli geri bildirimler ve disiplinler arası perspektifler toplamamızı sağlıyor. Bu teknolojiyi sorumlu bir şekilde geliştirmek için toplulukla daha fazla çalışmayı sabırsızlıkla bekliyoruz.
Genie 3’ün dünya modelleri için önemli bir an olduğuna ve hem yapay zeka araştırması hem de üretken medya alanlarında birçok alanda etkili olmaya başlayacağına inanıyoruz. Bu amaçla, Genie 3’ü gelecekte ek test kullanıcılarına nasıl sunabileceğimizi araştırıyoruz.
Genie 3, öğrencilerin öğrenmesine ve uzmanların deneyim kazanmasına yardımcı olarak eğitim ve öğretim için yeni fırsatlar yaratabilir. Sadece robotlar ve otonom sistemler gibi ajanları eğitmek için geniş bir alan sağlamakla kalmaz, aynı zamanda Genie 3, ajanların performansını değerlendirmeyi ve zayıflıklarını keşfetmeyi de mümkün kılar.
Her adımda, çalışmalarımızın etkilerini araştırıyor ve insanlığın yararına, güvenli ve sorumlu bir şekilde geliştiriyoruz.