GoogleがGenie 4公開

Genie 4の登場は、AI動画スタートアップのRunwayが音声生成を備えたプレイアブルな第2世代ワールドモデル「GWM Worlds 2」を公開してから数カ月後のことだ。Googleの発表は、ワールドモデル業界が集約し始めた時期とも重なる。Fei-Fei Li氏のWorld LabsはAMDに買収され、AmazonはDecartの買収交渉中、Rivianは自動運転テスト向けにシミュレーション能力を内製化するためThird Dimensionを買収したばかりだ。そうした状況の中、Genie 4は約1年前のGenie 3の研究プレビューに続き、混戦する分野で先行を保つためのGoogleの最新の一手となる。

Google自身のスタック内では、GeminiがGenie 4とより密接に統合され、手順を計画しフレームを確認する監督役を担い、Genieが映像を生成する。Gemini Roboticsに関連する研究実験では、Gemini 4 Argonモデルがタスクを手順に分解し、Genie 4がそれをリアルタイムでシミュレーションした。ロボットのシナリオを現実世界で起きる前にシミュレーションで試す方法を示す例だ。研究ディレクターのTejas Kulkarni氏は、Geminiがコードとテキストを書き、Genieが現実をリアルタイムでシミュレーションする「ハイブリッドワールドモデル」が今後増えるとの見通しを示した。

ゲーム、インタラクティブ学習、ロボティクスといった想定された商用用途に加え、信頼されたテスターは映画のプロトタイピングという新たな用途の可能性も指摘している。Google DeepMindのエンジニア、Diego Rivas氏は、リアルタイム性が最も価値を発揮するのはアイデア出しや絵コンテの段階で、フローの状態を保つことが重要だと述べた。同氏は、ユーザーが最終的にGemini Omniを使ってプロトタイプをクリエイティブ資産に変えられるようになる可能性もあるとしたが、その能力はまだ先だと付け加えた。そしてGenie 4はまだ初期段階で、エンドツーエンドの製品体験はまだ明確ではないと強調した。