Google DeepMind ha svelato Genie 4, il nuovo modello di mondi interattivi disponibile da ora in anteprima di ricerca. Rispetto alle versioni precedenti, che costruivano scenari da osservare e appena da toccare, il salto è netto: ora è possibile digitare un comando mentre la simulazione è in corso e vedere il mondo piegarsi alla propria volontà. Si può cambiare il meteo, spostare la telecamera, far comparire dal nulla persone o oggetti.
L'audio cambia tutto
La vera novità è il suono. Genie 4 genera in tempo reale musica, rumori ambientali e persino dialoghi interattivi, tutto coerente con ciò che accade sullo schermo. Il mondo smette di essere un film muto e comincia a fare rumore, a parlare, a rispondere. Rispetto a Genie 3, uscito poco più di un anno fa, la resa è più fotorealistica, la fisica meno instabile e i personaggi più simili a esseri umani. La scena resta stabile fino a due minuti, il doppio di prima: poco in assoluto, ma una piccola maratona nel campo delle simulazioni generate.
Gemini fa il regista
Su Genie 4 Gemini svolge il ruolo di regista: pianifica i passaggi e controlla i fotogrammi, mentre Genie dipinge la realtà. In un esperimento legato a Gemini Robotics, un modello Gemini ha spezzato un compito in tante piccole mosse e Genie 4 le ha simulate in tempo reale. L'obiettivo è collaudare un robot in un mondo finto prima di lasciarlo operare in quello vero. Tejas Kulkarni, research director di Google, prevede un futuro di modelli ibridi, con Gemini che scrive codice e testo e Genie che simula la realtà a diversi livelli di astrazione.
Gli usi immaginati sono i soliti noti: videogiochi, apprendimento interattivo, robotica. Tra le ipotesi ancora tutte da dimostrare c'è quella di entrare dentro un dipinto storico e conversare con i personaggi ritratti. I trusted tester hanno però intravisto un'altra strada: il prototipo di film. Diego Rivas, ingegnere di DeepMind, ha spiegato che il tempo reale conta soprattutto dove serve mantenere il flusso creativo, come nell'ideazione e nello storyboard. Google ha già Veo, il generatore di video in alta definizione con audio sincronizzato, e in futuro Gemini Omni potrebbe trasformare questi prototipi in materiale vero, anche se la strada resta lunga.
Google non nasconde che siamo agli inizi: con il passare dei minuti dettagli e oggetti tendono a "scivolare", e il team non ha ancora capito come garantire un audio accurato e un testo leggibile dentro il mondo. Genie 4 arriverà nelle prossime settimane agli abbonati Google AI Ultra dentro Project Genie e ai partner in accesso anticipato di Gemini API e Google AI Studio.
