Google Genie — generatiivinen tekoälymalli, joka luo täysin interaktiivisia maailmoja kuvista | Tekoäly liiketoiminnassa #123

Mikä on Google Genie?

Google Genie (https://sites.google.com/view/genie-2024/) on DeepMindin kehittämä perustavanlaatuinen maailmamalli. Se on generatiivinen tekoälymalli, joka on koulutettu yli 30 000 tuntia julkisesti saatavilla olevaa 2D-alustapeliä videomateriaalia. Sen keskeinen ominaisuus on kyky luoda täysin interaktiivisia, pelattavia ympäristöjä suoraan yksittäisistä kuvista, valokuvista ja jopa käsin piirretyistä luonnoksista.

Lähde: Genie: Generative Interactive Environments (https://arxiv.org/abs/2402.15391)

Kuinka tämä on mahdollista? Genie käyttää valvomatonta oppimistekniikkaa ympäristön hallintakyvyn hankkimisprosessissa pelkästään videomateriaalin perusteella. Ihmisen toiminnan merkitsemistä ei vaadita. Erityisen toimintakoodausmoduulin avulla se tallentaa hienovaraisia muutoksia peräkkäisten videokehyksien välillä ja kartoittaa ne sisäisiin liikkeen esityksiin, kuten hyppäämiseen tai vasemmalle kääntymiseen. Dynamiikkamalli luo sitten seuraavan kehyksen sekvenssissä koodattujen toimintojen perusteella.

Tämän seurauksena Genie voi luoda täysin hallittavia, interaktiivisia pelimaailmoja mistä tahansa visuaalisesta datasta. Jokainen pelaajan liike tuottaa uuden, ainutlaatuisen kehyksen reaaliajassa, luoden sujuvan, pelattavan istunnon. Tämä on todella suuri innovaatio, joka mahdollistaa kokonaisen interaktiivisen maailman luomisen kuvista tai tekstistä.

Miksi Genie on innovatiivinen?

Genien innovaatio piilee useiden keskeisten elementtien yhdistämisessä yhteen malliin:

• generatiiviset videomallit, kuten Phenaki (https://phenaki.video/), TECO (https://wilson1yan.github.io/teco/) tai maskvit (https://arxiv.org/abs/2206.11894), jotka voivat ennustaa tulevia kehyksiä sekvenssissä syöttökehysten ja tekstin perusteella, mutta eivät tarjoa aktiivisia hallintamahdollisuuksia,
• maailmamallit, jotka keskittyvät ennustamaan tulevia ympäristön tiloja agentin toimien perusteella, mutta vaativat ihmisten tarjoamaa dataa,
• valvomaton oppiminen, joka mahdollistaa Genien oppia sekä ympäristön dynamiikkaa että toimintatilaa pelkästä raakavidedataasta ilman ihmisen toiminnan etikettejä.

Vaikka kukin näistä alueista on tutkittu aiemmin, Genie on ensimmäinen malli, joka yhdistää ne oppiakseen hallittavia ympäristöjä suoraan videomateriaalista. Tämä ennennäkemätön lähestymistapa mallien opettamiseen ilman ihmisen valvontaa on Genien keskeinen innovaatio. Se avaa oven valtavan videomateriaalin käyttämiselle Internetissä tekoälymallien koulutuslähteenä ja purkaa rajoitteita, jotka liittyvät merkittyjen datan rajalliseen saatavuuteen.

Generatiivisten videomallien, maailmamallien ja valvomattoman oppimisen yhdistäminen yhteen ratkaisuun edustaa perustavanlaatuista edistystä tekoälyn kehittämisessä. Genie osoittaa, että kehittyneet tekoälyjärjestelmät voivat oppia monimutkaisia käyttäytymisiä ja ympäristöjä suoraan jäsentämättömästä datasta ilman manuaalista merkitsemistä. Tämä on keskeinen askel kohti todellisen tekoälyn (AGI) saavuttamista.

Lähde: Google Genie (https://sites.google.com/view/genie-2024/)

Google Genien mahdolliset sovellukset

Google Genien kyvyt ulottuvat paljon pidemmälle kuin videopelien luomiseen. Tämä uraauurtava tekoälymalli voi löytää sovelluksia monilla aloilla:

• työkalu animaattoreille – lataa vain kuva, luonnos tai lyhyt tekstikuvaus, ja Genie luo johdonmukaisen animaation,
• rajoittamaton koulutusresurssi tekoälyagenteille – kyvyllään yleistää täysin uusiin alueisiin Genie tarjoaa äärettömän haasteiden poolin, joilla tulevat tekoälyjärjestelmät voivat oppia. Monimuotoisten koulutusympäristöjen puute on tähän asti ollut yksi keskeisistä esteistä yleisten tekoälyagenttien kehittämiselle,
• fyysiset simulaatiot robotiikassa – tutkimukset ovat osoittaneet, että Genie pystyy paitsi hallitsemaan virtuaalisia robotteja myös toteuttamaan muunneltavien objektien fyysisiä ominaisuuksia. Tämä voisi vaikuttaa merkittävästi robotiikan ja fyysisten simulaatioiden kehittämiseen,
• sovellukset luovilla aloilla – Genie voi helpottaa interaktiivisten taideinstallaatioiden, virtuaalisten näyttelyiden tai elokuvien luomista. Lataa vain luonnos, ja malli luo täysin hallittavan 3D-maailman, joka on valmis tutkittavaksi.

Kuitenkin tämän teknologian mahdollisia haasteita ja rajoituksia ei tule aliarvioida. Kehityksen nykyvaiheessa Genie toimii parhaiten kapeilla alueilla, kuten 2D-alustapeleissä. Laajentaminen monimutkaisemmille 3D-ympäristöille vaatii lisätutkimusta ja optimointia. Lisäksi on riski, että tätä teknologiaa voitaisiin väärinkäyttää haitallisen tai vaarallisen sisällön luomiseen. On siksi tärkeää kehittää vahva eettinen ja oikeudellinen kehys, joka säätelee tällaisten tekoälymallien kehittämistä ja käyttöä.

Lähde: Google Genie (https://sites.google.com/view/genie-2024/)

Yhteenveto

Mahdollistamalla täysin interaktiivisten ympäristöjen luomisen suoraan visuaalisesta datasta ilman tarvetta manuaalisesti merkitä toimintoja, Google Genie edustaa todellista läpimurtoa generatiivisessa tekoälyssä. Tämä perustavanlaatuinen maailmamalli antaa voimaa ilmaista kuvastoa pelattavien virtuaalisten todellisuuksien muodossa, joita ihminen tai tekoälyagentti voi tutkia ja hallita.

Genien potentiaali on valtava – työkaluista pelinkehittäjille, rajattomaan koulutusdataan tekoälylle, fyysisiin simulaatioihin robotiikassa. Se on myös tärkeä askel kohti AGI:ta. Kun mallit kuten Genie jatkavat kehittymistään, raja todellisten ja virtuaalisten maailmojen välillä muuttuu yhä joustavammaksi.

Jos pidät sisällöstämme, liity vilkkaaseen mehiläisyhteisöömme Facebookissa, Twitterissä, LinkedInissä, Instagramissa, YouTubessa, Pinterestissä, TikTokissa.