Η Google βάζει το Genie 3 πίσω από τείχος πληρωμής με το πρωτότυπο Project Genie

Από επιλεγμένους δοκιμαστές σε επίπεδο πληρωμένης συνδρομής

Τον Αύγουστο, η Google παρουσίασε το Genie 3 ως ένα γενικού σκοπού μοντέλο κόσμου διαθέσιμο σε επιλεγμένους δοκιμαστές. Το Project Genie είναι το επόμενο βήμα διάθεσής του: μια web εφαρμογή που ενσωματώνει αυτό το μοντέλο για συνδρομητές του Google AI Ultra στις ΗΠΑ, ηλικίας 18 ετών και άνω. Η πρόσβαση ξεκινά σταδιακά στις 29 Ιανουαρίου, με επέκταση σε περισσότερες περιοχές που περιγράφεται απλώς ως κάτι που θα έρθει «εν καιρώ».

Η επιλογή της πύλης εισόδου έχει σημασία. Αντί για μια ευρεία δημόσια κυκλοφορία ή τη συνέχιση κλειστών δοκιμών, η Google διοχέτευσε το πρωτότυπο μέσω του ακριβότερου επιπέδου συνδρομής της. Αυτό κρατά το κοινό μικρό και αυτοεπιλεγμένο, ενώ παράλληλα μεταφέρει την τεχνολογία από το καθαρά ερευνητικό πλαίσιο σε χέρια ανθρώπων που θα την χρησιμοποιήσουν για δικά τους έργα.

Τρεις δυνατότητες συνδυασμένες από τρία μοντέλα

Το Project Genie δεν στηρίζεται μόνο στο Genie 3. Είναι ένα πρωτότυπο που τροφοδοτείται από τρία στοιχεία που συνεργάζονται: το Genie 3 για την προσομοίωση κόσμου, το Nano Banana Pro για την επεξεργασία εικόνας, και το Gemini. Η επιφάνεια του προϊόντος οργανώνεται σε τρεις ενέργειες — σκιαγράφηση κόσμου, εξερεύνηση κόσμου και remix κόσμου.

Η σκιαγράφηση κόσμου χρησιμοποιεί το Nano Banana Pro για να επιτρέψει στους χρήστες να προεπισκοπήσουν και να βελτιώσουν ένα περιβάλλον ως εικόνα πριν εισέλθουν σε αυτό, καθώς και να ορίσουν την οπτική γωνία, όπως πρώτου ή τρίτου προσώπου. Η εξερεύνηση είναι εκεί όπου εμφανίζεται το χαρακτηριστικό γνώρισμα του Genie 3: όπως αναφέρει η ανακοίνωση, το μοντέλο «δημιουργεί τον δρόμο μπροστά σε πραγματικό χρόνο με βάση τις ενέργειες που κάνετε», αντί να φορτώνει μια προκατασκευασμένη στατική σκηνή. Το remix επιτρέπει στους χρήστες να χτίσουν πάνω σε υπάρχουσες προτροπές, να αντλήσουν από μια επιμελημένη συλλογή ή να χρησιμοποιήσουν έναν τυχαιοποιητή, καθώς και να κατεβάσουν βίντεο από τις εξερευνήσεις τους.

Σε αντίθεση με τις εξερευνήσιμες εμπειρίες σε στατικά τρισδιάστατα στιγμιότυπα, το Genie 3 δημιουργεί τον δρόμο μπροστά σε πραγματικό χρόνο, καθώς κινείστε και αλληλεπιδράτε με τον κόσμο.Montana Labs

Οι περιορισμοί είναι το πιο χρήσιμο σημείο της ανακοίνωσης

Η Google είναι ασυνήθιστα ξεκάθαρη σχετικά με το τι δεν λειτουργεί ακόμα. Οι κόσμοι που δημιουργούνται μπορεί να μην φαίνονται ρεαλιστικοί ή να μην ακολουθούν πιστά τις προτροπές, τις εικόνες ή τους φυσικούς νόμους του πραγματικού κόσμου. Οι χαρακτήρες μπορεί να είναι λιγότερο ελέγξιμοι και να παρουσιάζουν μεγαλύτερη καθυστέρηση στον έλεγχο. Οι δημιουργίες περιορίζονται στα 60 δευτερόλεπτα. Και, σημαντικό, τα «promptable events» — η δυνατότητα να αλλάζετε τον κόσμο ενώ τον εξερευνάτε, μια δυνατότητα που παρουσιάστηκε τον Αύγουστο — δεν περιλαμβάνονται καθόλου σε αυτό το πρωτότυπο.

Αυτό το τελευταίο σημείο αξίζει να επισημανθεί: το προϊόν που κυκλοφόρησε είναι ένα υποσύνολο της ερευνητικής επίδειξης του Αυγούστου, όχι κάτι επιπλέον. Το όριο των 60 δευτερολέπτων και η απουσία του συστήματος συμβάντων δείχνουν ότι πρόκειται για ένα ελεγχόμενο κομμάτι επιλεγμένο για σταθερότητα, όχι για την πλήρη έκφραση του εύρους που έχει επιδειχθεί από το μοντέλο.

Τι σηματοδοτεί ένα μοντέλο κόσμου πίσω από τείχος πληρωμής για όσους εφαρμόζουν ΤΝ

Για τις ομάδες που παρακολουθούν τα μοντέλα κόσμου, το ουσιαστικό μήνυμα εδώ είναι ότι η διαδραστική δημιουργία σε πραγματικό χρόνο έχει περάσει από επίδειξη εργαστηρίου σε προϊόν με τιμή, περιορισμό ηλικίας, χρονικό όριο και καταγεγραμμένη λίστα αδυναμιών. Οι ισχυρισμοί της Google για φυσική συνέπεια και συνοχή — που εκτείνονται σε ρομποτική, animation και ιστορικά σκηνικά — εξακολουθούν να αφορούν ένα μοντέλο που η ίδια η ομάδα της περιγράφει ως πρώιμο.

Η ειλικρινής ανάγνωση είναι ότι το Project Genie είναι μια άσκηση συγκέντρωσης δεδομένων μεταμφιεσμένη σε προϊόν. Η Google δηλώνει ότι θέλει να «κατανοήσει καλύτερα πώς οι άνθρωποι θα χρησιμοποιήσουν τα μοντέλα κόσμου» στην έρευνα ΤΝ και τα γεννητικά μέσα. Όποιος αξιολογεί αυτή την τεχνολογία θα πρέπει να αντιμετωπίζει το όριο των 60 δευτερολέπτων, την καθυστέρηση ελέγχου και την απουσία των promptable events όχι ως υποσημειώσεις, αλλά ως το πραγματικό όριο του τι είναι σήμερα έτοιμο για παραγωγική χρήση.