Google DeepMind تكشف عن Genie 4: عالم بصوت أصلي وحوارات حيّة

أعلنت Google DeepMind عن Genie 4، الجيل الجديد من نموذج العالم لديها. أبرز ما فيه أن النظام يبني في الزمن الفعلي عالمًا تفاعليًا مع الصوت مباشرة، وتتحدث الشخصيات داخله وتتفاعل مع أفعال المستخدم. كتب الإعلان Raia Hadsell وDiego Rivas وHang Qi. يتوفر Genie 4 حاليًا بصيغة معاينة بحثية (research preview) لدائرة ضيقة من المختبرين الموثوقين، لكن خريطة الطريق واضحة: يبدأ الإطلاق بمشتركي Google AI Ultra في Project Genie والشركاء الأوائل في Gemini API وGoogle AI Studio، ثم يليه إصدار أوسع.

Gemini داخل المحاكي

Genie 4 متعدد الوسائط بطبيعته. تُولَّد الموسيقى والضوضاء الخلفية والحوارات التفاعلية مع العالم نفسه، ولا تُضاف فوق مقطع فيديو جاهز. وبحسب DeepMind، فإن جميع الأصوات في المقاطع التجريبية أنتجها النموذج نفسه.

معماريًا، يستفيد Genie 4 من إمكانات عائلة Gemini. يربط Gemini Omni المحاكاة بالشكل الحقيقي للأجسام وسلوكها. أما نماذج Gemini الأخرى فتتولى الاستدلال المعقد الذي يحافظ على تماسك العالم واستمراريته. وهذه أضعف نقطة في عالم يُبنى لحظة بلحظة: فبمجرد أن يفقد النموذج الخيط، تتغير هيئة المنصة ويتحول البطل إلى شخص آخر. يؤدي Gemini هنا دور المخرج: فبين مدخلات المستخدم يراقب المشهد ويدفع تطوره إلى الأمام كي لا يتجمد العالم.

يبقى التحكم بسيطًا. يعمل التنقل والكاميرا بلوحة مفاتيح عادية، ويمكن تغيير المشهد بالنص: تبديل الطقس، أو تحريك الكاميرا، أو إضافة شخص أو غرض. ويكيّف Gemini هذا الأمر مع السياق، حتى لا يبدو العنصر الجديد دخيلًا من مقطع آخر.

الفيزياء والبشر والصوت

تصف DeepMind محاكاة البشر بأنها القفزة الأبرز: تتحرك الشخصيات بصورة طبيعية، وتتفاعل بسلاسة مع محيطها، ويمكن التحكم بها في الزمن الفعلي. وتعلن الشركة بشكل منفصل عن محاكاة فيزياء العالم الحقيقي: الديناميكا الهوائية والتصادمات وسيناريوهات أخرى.

اختيرت العروض التجريبية لاختبار جوانب مختلفة من النموذج:

• عازف ساكسفون يرتدي بدلة بنية فضفاضة على منصة خرسانية معلّقة في الهواء وسط بحيرة، بأسلوب الأفلام الوثائقية بفيلم 16 ملم، مع صوت واقعي للآلة وضجيج الريح؛
• شريط لا نهائي من الساتان الوردي يلتف بانحناءات على شكل حرف S فوق مرج تلالي مليء بالأزهار البرية؛
• منظور الشخص الأول من سلة مناطيد من الخيزران المجدول فوق جليديات القارة القطبية الجنوبية، حيث تنجرف مناطيد أخرى عند الأفق؛
• بطيخة على قاعدة حجرية في فناء: مقطع بالتصوير البطيء مع رذاذ تضيئه إضاءة خلفية؛
• تصوير ماكرو لبذرة قيقب تسقط من شجرة؛
• محطة ريفية يابانية مزدحمة من ثمانينيات القرن الماضي، يقف على الخط الأقرب منها قطار طويل أحمر داكن، وبجانبه مفتش يرتدي زيًّا أزرق داكنًا؛
• عالم ثلاثي الأبعاد بالكامل من الزجاج الملوّن، حتى الماء والسماء والعشب فيه تبقى زجاجًا وبلورًا.

وعُرض بشكل منفصل مقطع مقارنة بين Genie 3 وGenie 4، يظهر فيه الفرق في الواقعية الفوتوغرافية وسلاسة الحركة والصوت بوضوح مباشر. وتُبنى الأوامر النصية (prompts) في العروض على طبقتين: وصف البيئة ووصف الشخصية. وبعضها مفصّل جدًا، فيحدد التكوين والإضاءة، ويضع محظورات مثل «لا HDR» أو «لا منصات فارغة».

لماذا تهتم DeepMind بهذا؟

تصوغ الشركة هدفها هكذا: فهم العالم ومحاكاته جزء أساسي من الطريق إلى AGI. وقد سمّت الجانب العملي صراحةً أيضًا. فالمحاكاة الآمنة ذات التنوع اللامحدود لازمة كبيئات تدريب للروبوتات والوكلاء، كما أنها تفتح الباب أمام صيغ تفاعلية جديدة.

قيمة ذلك في الروبوتات واضحة. فميادين الاختبار الحقيقية مكلفة ومحدودة، أما نموذج العالم ذو الفيزياء المقنعة وسلوك البشر الواقعي فيمكنه تقديم المشاهد المطلوبة انطلاقًا من وصف نصي. وتمنح طبقة الحوار الوكلاء بيئة يُخاطَبون فيها ويُستجاب لهم.

أما بالنسبة إلى صناعة الألعاب وصنّاع المحتوى، فيظل Genie 4 حتى الآن واجهة عرض فقط. لا يتوفر وصول، ولا توجد أسعار أو حدود استخدام، وقد سُجّلت المقاطع في ظروف خاضعة للتحكم. إذا كنت تعمل مع الوكلاء أو المحاكاة، فيستحق الأمر الانضمام إلى قائمة الانتظار الخاصة بـ Project Genie ومراقبة مدى احتفاظ العالم بتماسكه على المدى الطويل. وينبغي للمطورين متابعة Gemini API وGoogle AI Studio، فهناك تحديدًا سيظهر الوصول المبكر للشركاء. والسؤال الرئيسي في الأشهر المقبلة: هل يمكن تدريب الوكلاء في عوالم كهذه بحيث تنتقل المهارات إلى الواقع؟