Souhrn
Google tento týden uvolnil Project Genie, označovaný jako obecný world model schopný generovat interaktivní 2D prostředí. Model Genie 3 je dostupný výhradně pro předplatitele Google AI Ultra v USA za 250 dolarů měsíčně a omezuje uživatele na generování maximálně 60 sekund obsahu. Tento krok ukazuje zájem Googlu o alternativu k velkým jazykovým modelům (LLM) v podobě world models, které simulují fyziku a prostorové vlastnosti reálného světa.
Klíčové body
- Project Genie 3 generuje interaktivní prostředí na základě tréninku na dynamice reálného světa, na rozdíl od LLM, které predikují sekvence.
- Dostupný jen pro Google AI Ultra subscribers v USA, cena 250 USD/měsíc, limit 60 sekund na generování.
- První veřejné testy proběhly v srpnu minulého roku pro uzavřenou skupinu.
- Přístup inspirovaný Yann LeCunem, který world models považuje za klíč k umělé obecné inteligenci (AGI).
- Preview videa ukazují vizuálně působivé, ale krátké simulace.
Podrobnosti
Project Genie představuje posun od standardních LLM, jako je Gemini od Googlu, které fungují na principu predikce nejprawdopodobnější další části sekvence na základě obrovských datových sad. World models, naopak, se trénují na videích reálného světa, aby pochopily fyzikální zákony, pohyb objektů a prostorové vztahy. Výsledkem je simulace, kde lze interagovat s generovaným prostředím – například ovládat postavu v 2D světě, který reaguje na fyziku jako skutečný. Uživatelé mohou zadat textový popis nebo obrázek a model vytvoří hratelné prostředí, které lze prozkoumávat.
Model byl poprvé ukázán v srpnu minulého roku malé skupině testerů na pozvání. Nyní se rozšiřuje na širší, ale stále elitní skupinu: předplatitelé Google AI Ultra, což je prémiový balíček služeb umělé inteligence od Googlu. Cena 250 dolarů měsíčně naznačuje, že jde o experimentální nástroj pro výzkumníky a vývojáře, nikoli masový produkt. Omezení na 60 sekund generování pravděpodobně souvisí s vysokými výpočetními nároky – world models vyžadují simulaci dynamiky v reálném čase, což je náročnější než generování textu.
Tento přístup kopíruje myšlenky Yann LeCuna, bývalého hlavního vědce Meta AI, který dlouhodobě kritizuje LLM za nedostatek skutečného porozumění světu. LeCun argumentuje, že LLM umí jen rozpoznávat vzory, zatímco world models umožňují AI spouštět simulace, testovat hypotézy a extrapolovat nové znalosti. Nedávno se připojil k startupu zaměřenému výhradně na tento směr. Google tak dává tomuto konceptu další legitimitu, protože jako gigant s obrovskými zdroji demonstruje praktickou realizaci. Preview videa z raných testů ukazují plynulé animace postav skákajících, sbírajících objekty nebo prozkoumávajících prostředí, ale délka je skutečně omezená, což brání hlubšímu testování.
Proč je to důležité
Project Genie signalizuje, že Google diverzifikuje své AI portfolio mimo LLM, což může urychlit vývoj world models v průmyslu. Pro vývojáře her a simulací to otevírá nové nástroje pro rychlé prototypování prostředí, kde lze testovat AI agenty v realistických podmínkách. V kontextu honby za AGI to posiluje LeCunovu linii proti dominanci LLM od firem jako OpenAI nebo Anthropic. Nicméně vysoká cena a limity naznačují, že jde o proof-of-concept spíše než revoluci – masové nasazení vyžaduje optimalizaci výkonu a snížení nákladů. Dlouhodobě to může ovlivnit robotiku a autonomní systémy, kde simulace reálného světa jsou klíčové pro trénink bez rizika.
Zdroj: 📰 Gizmodo.com