Genie 4: نموذج Google التفاعلي للعالم

ما الذي أعلنته Google DeepMind؟

أعلنت Google DeepMind عن Genie 4 في ٢٧ أكتوبر ٢٠٢٦، واصفةً إياه بأنه نموذج جديد للعالم مخصص للمحاكاة التفاعلية في الوقت الفعلي. ويقدّم الإعلان النظام باعتباره وسيلة لإطلاق مشهد ثم توجيهه أثناء تطوره. وبدلًا من وصف Genie 4 بأنه أداة لتوليد صورة أو فيديو ثابت فقط، تركز Google على التفاعل؛ إذ يمكن للمستخدمين تقديم طلبات باللغة الطبيعية تغيّر جوانب من المشهد المحاكى في الوقت الفعلي.

وتجعل أمثلة الشركة مفهوم التفاعل أكثر وضوحًا. إذ يمكن للمستخدم تحريك الكاميرا أو تغيير الطقس أو إدخال شخصيات جديدة. وتصف هذه الأمثلة توجيهًا على مستوى المشهد، لا مواصفات تقنية كاملة. فإعلان Google لا يقدّم قياسات لزمن الاستجابة أو مدة المشاهد المدعومة أو نطاق التعليمات التي يستطيع النظام اتباعها بصورة موثوقة. لذلك ينبغي فهم هذه القدرات ضمن المستوى الذي يدعمه الإعلان: يُقدَّم Genie 4 بوصفه محاكيًا تفاعليًا يستجيب للتوجيهات باللغة الطبيعية.

يمثل الصوت جانبًا بارزًا آخر في الإعلان. وتقول Google إن كل عالم يولّد صوتًا أصليًا أثناء التشغيل، بما في ذلك الأصوات المحيطة والموسيقى والحوار التفاعلي. وهذا يجعل الصوت جزءًا من تجربة Genie 4 المعلنة، وليس تفصيلًا غائبًا عن وصف المنتج. ولا يشرح المصدر كيفية إنتاج الصوت داخليًا أو مزامنته أو عناصر التحكم المتاحة للمستخدم في كل مكوّن صوتي. لذلك فإن الأدق هو الإبلاغ عن أنواع المخرجات المؤكدة بدل استنتاج بنية محددة لتوليد الصوت.

تصف Google Genie 4 بأنه يدمج قدرات من عائلة Gemini ويطوّرها. ووفقًا لرواية الشركة، يعمل Gemini Omni على تثبيت المحاكاة ضمن مظهر العالم الحقيقي وسلوكه، بينما توفّر نماذج Gemini الأخرى قدرات استدلال معقدة تهدف إلى الحفاظ على الاتساق والاستمرارية. ولا يحدد الإعلان هذه النماذج الأخرى أو يشرح آلية تنفيذ المكوّنات. كما لا يوضح ما إذا كانت هذه القدرات خدمات منفصلة أو نموذجًا واحدًا مدمجًا أو ترتيبًا آخر. وتبقى هذه التفاصيل غير معلنة في الإعلان الموثّق.

لمحة سريعة عن Genie 4

كيف يُوصف عمل Genie 4؟

يرتكز الوصف المؤكد على عالم مُولّد يمكن توجيهه أثناء تشغيله. يقدّم الشخص توجيهًا باللغة الطبيعية، ثم يتغير المشهد استجابةً لذلك. وتوضح أمثلة Google — تحريك الكاميرا وتغيير الطقس وإدخال الشخصيات — أن التفاعل المقصود يمكن أن يؤثر في عناصر مرئية مختلفة من المشهد. ولا يقدّم الإعلان قائمة كاملة بالأوامر المدعومة أو يحدد مقدار التحكم الذي يملكه المستخدم في العالم المحاكى.

كما تصف Google التجربة بأنها متعددة الوسائط. ويعني ذلك في هذا الإعلان أن العالم المحاكى يصاحبه صوت مولّد، بما في ذلك الصوت البيئي والموسيقى والحوار. وتقول الشركة إن الصوت يُولّد أصليًا أثناء تطور العالم. ولا يقدّم المصدر قياسات تقنية أو يوضح ما إذا كان كل مشهد يتضمن جميع أنواع الصوت، لذلك لا ينبغي توسيع هذا الادعاء ليشمل ضمانات بشأن توقيت محدد أو جودة أو عناصر تحكم معينة.

وتشكّل عائلة Gemini جزءًا من تفسير Google لأسس النموذج. فتقول الشركة إن Gemini Omni يثبّت المحاكاة ضمن مظهر العالم الحقيقي وسلوكه، بينما تساهم نماذج Gemini الأخرى في الاستدلال المعقد للمساعدة في الحفاظ على اتساق المحاكاة واستمراريتها. وهذا هو مستوى التفاصيل المعمارية المتاح علنًا في السياق الموثّق. وسيكون من المبكر إسناد مهام محددة إلى نماذج لم...