操作に応じ世界を生成するAI、音や出来事も

Genie 4は突然現れたわけではない。Google DeepMindは2024年に初代Genieを発表し、動画から制御可能な環境を学習する研究を示し、2025年にはGenie 3を続けた。今回の最新の一歩は音声や複雑なインタラクションの包含へと向かうが、以前の論文の詳細やGenie 3の解像度・フレームレートはGenie 4には引き継がれないと同社は注意を促している。Googleによると、このシステムはGeminiの能力と世界生成を組み合わせ、見た目・挙動・イベントの一貫性を支える。創造的プロトタイピングだけでなく、実世界でのテストが高コストまたは危険なAIエージェントやロボットの訓練・評価のための仮想環境としても機能する可能性がある。ただし視覚的な自然さは正確な物理を保証しないため、シミュレーションでの成功が実機に移転するとは限らない。Googleはまた、生成された動画や音声に不可視の透かしSynthIDを埋め込む計画だが、これだけではあらゆる悪用を防げない。