Google DeepMind, el laboratorio de inteligencia artificial de Google, presentó Genie 4, un modelo que genera mundos interactivos a partir de texto, con música, ruidos ambientales y diálogos creados en tiempo real. El usuario puede escribir nuevas órdenes durante la simulación para cambiar la escena.
Por ahora, el acceso es una vista previa de investigación para probadores de confianza, es decir, los usuarios que reciben primero los productos experimentales de Google. En las próximas semanas llegará a los suscriptores de Google AI Ultra, el plan más caro de la empresa, dentro de Project Genie, su herramienta para crear mundos interactivos. Después se sumarán socios de acceso anticipado de la API de Gemini y de Google AI Studio, según informó TechCrunch.
Google dijo en su blog que recogerá comentarios antes de lanzarlo a consumidores y desarrolladores.
Un modelo de mundo genera cada imagen sobre la marcha, sin entornos prediseñados ni programación de los elementos interactivos. El usuario describe lo que quiere y explora el resultado, que se construye cuadro a cuadro mientras se mueve.
Qué cambia respecto de Genie 3
Genie 4 es el primer modelo de mundo de DeepMind que genera audio de forma nativa en tiempo real. Cada escena trae el sonido de su entorno, como el viento entre los árboles o las olas en una playa. También incorpora diálogos que se adaptan a las acciones del usuario y a lo que ocurre en el mundo simulado.
El usuario puede modificar la simulación con lenguaje natural: cambiar el clima, mover la cámara o sumar personas y objetos. Gemini, la familia de modelos de IA de Google, adapta cada orden a la escena. La empresa afirma que los personajes se mueven de forma más natural y reaccionan mejor a su entorno.
La escena se mantiene coherente hasta dos minutos, el doble que Genie 3, según TechCrunch y The Verge. Genie 3 salió como vista previa hace poco más de un año.
El modelo Gemini 3.8 Flash actúa como agente guía: observa la escena, divide los objetivos en pasos y revisa cada cuadro para comprobar que se cumplieron. Si el usuario interviene, ajusta el plan.
Robots, cine y videojuegos como usos posibles
Google también probó el sistema con Gemini Robotics. En ese experimento, un modelo llamado Gemini 4 Argon dividió una tarea en pasos que Genie 4 simuló en tiempo real. Según DeepMind, la idea es probar escenarios en mundos simulados antes de llevarlos a la realidad.
Tejas Kulkarni, director de investigación de Google, dijo en una rueda de prensa que se verán cada vez más modelos híbridos en los que Gemini escribe código y texto, y Genie los convierte en una simulación en tiempo real.
Entre los usos que Google propone figuran los videojuegos, el aprendizaje interactivo y la robótica. Los probadores de confianza señalan otro: preparar películas. El ingeniero de DeepMind Diego Rivas dijo que el tiempo real resulta más útil en la fase de ideas y en los guiones gráficos, y aclaró que todavía no está definida la experiencia final del producto.
Ars Technica recordó que Genie 3 generó inquietud en la industria del videojuego, aunque DeepMind sostiene que no lo concibe como una herramienta de juegos, sino como parte del camino hacia la inteligencia artificial general.
Límites reconocidos y competencia
Google admite fallas. Los detalles y la permanencia de los objetos pueden variar a medida que la simulación avanza, sobre todo tras varias ediciones. La precisión del audio, la legibilidad del texto dentro del mundo y las interacciones físicas complejas siguen en investigación. Tampoco representa lugares reales con exactitud.
TechCrunch ubicó el lanzamiento en un sector que se concentra. Runway presentó hace un par de meses su segundo modelo de mundo, GWM Worlds 2, que también genera audio. Según esa fuente, AMD adquirirá World Labs, de Fei-Fei Li, Amazon negocia comprar Decart y Rivian adquirió Third Dimension para simular pruebas de conducción autónoma.
Fuente: Infobae
