Googles nya AI skapar interaktiva världar i realtid – se video här

Google DeepMind presenterade den 27 oktober Genie 4, en ny AI-modell som kan simulera interaktiva miljöer med realistiska rörelser, ljud och mänskliga samtal. Modellen kan också förändra en pågående simulering genom vanliga textkommandon, exempelvis genom att byta väder, lägga till personer eller ändra vad som händer i omgivningen.

Till skillnad från en vanlig AI-genererad video är upplevelsen inte förutbestämd. Användaren kan röra sig genom miljön med tangentbordet samtidigt som AI-modellen fortsätter att generera världen och anpassar den efter vad som händer.

Från stillbilder till världar som lever

Google har tidigare utvecklat Genie 3, som kunde skapa interaktiva miljöer i 720p och 24 bilder per sekund. Med Genie 4 ligger fokus på ökad realism och mer avancerade interaktioner, där även ljud och dialog genereras direkt av AI-modellen.

I Googles demonstrationer går det bland annat att utforska landskap, flyga på en drake och möta digitala människor som reagerar på sin omgivning. AI försöker även simulera fysikaliska fenomen som kollisioner, vattenrörelser och aerodynamik.

En av de största nyheterna är att karaktärer kan föra samtal som förändras beroende på vad användaren säger eller vad som händer i den virtuella världen. Det handlar alltså inte bara om animerade figurer med förprogrammerade repliker.

Gemini fungerar som hjärnan bakom simuleringen

Genie 4 arbetar tillsammans med Googles övriga AI-modeller. Gemini Omni bidrar med förståelse för hur verkliga miljöer ser ut och fungerar, medan Gemini 3.8 Flash hjälper till att styra mer komplexa händelseförlopp.

Tekniken fungerar genom att Gemini löpande analyserar vad som sker i simuleringen, delar upp mål i mindre steg och följer upp resultatet. Genie 4 genererar samtidigt själva miljön, inklusive bilder, rörelser och ljud.

Det är en stor skillnad jämfört med traditionell spelgrafik, där miljöer, objekt och regler vanligtvis skapas i förväg. Googles teknik försöker i stället generera upplevelsen medan användaren utforskar den.

Spelutvecklare kan testa idéer på sekunder

En av de möjliga användningarna är spelutveckling. Google beskriver hur utvecklare kan använda Genie 4 för att snabbt skapa utforskbara prototyper, prova olika visuella stilar och experimentera med interaktiva funktioner innan de börjar programmera en traditionell spelmotor.

Tekniken skulle därmed kunna korta tiden mellan en idé och en första spelbar demonstration. Det betyder däremot inte att Genie 4 redan kan ersätta kompletta spelmotorer eller skapa färdiga datorspel.

Läs mer: Svenska indiestudion bygger RPG i 1600-talets Stockholm

Google undersöker även hur tekniken kan användas inom filmproduktion, utbildning och robotutveckling. Bland annat kan AI-genererade miljöer fungera som träningsplatser där robotar och andra AI-system får öva på situationer innan de möter dem i verkligheten.

Samtidigt visar utvecklingen hur AI får en allt större roll inom kreativa branscher. Alla spelstudior väljer dock inte den vägen. TeknikGeek har tidigare intervjuat den finska utvecklaren MiTale, som medvetet valt att skapa grafik, musik, text och kod utan AI.

Läs mer: Exklusiv intervju: MiTale om Willow Guard, Frostreign och att skapa spel utan AI

Fortfarande långt ifrån ett riktigt datorspel

Trots de imponerande demonstrationerna har Genie 4 tydliga begränsningar. Enligt The Verge kan modellen skapa sammanhängande upplevelser på omkring två minuter, vilket är dubbelt så länge som den tidigare versionen i Project Genie.

Google medger också att detaljer kan förändras eller försvinna när en simulering pågår längre. Föremål kan tappa sin ursprungliga form eller placering, och AI har fortfarande svårt med avancerad fysik, exakt rumsuppfattning och långvarig konsekvens.

För att göra AI-genererat material lättare att identifiera uppger Google att video och ljud från Genie 4 kommer att förses med den digitala vattenmärkningen SynthID.

Till en början är Genie 4 endast tillgänglig som en forskningsversion för utvalda testare. Google planerar därefter att ge Google AI Ultra-prenumeranter tillgång genom Project Genie, medan utvalda utvecklare ska kunna använda tekniken via Gemini API och Google AI Studio.

Något exakt datum för bredare lansering har ännu inte presenterats. Fram till dess är Genie 4 framför allt en demonstration av hur AI kan gå från att skapa innehåll som vi tittar på till att generera digitala miljöer som vi faktiskt kan påverka.