Skapa interaktiva spelvärldar med text i nya Google Genie 4

Googles forskningsavdelning DeepMind har tagit ett stort kliv framåt inom skapandet av virtuella miljöer. Med den nya modellen Genie 4 kan användare nu bygga interaktiva världar som går att utforska och förändra i realtid medan de körs. Det som gör verktyget speciellt är att det inte bara skapar det visuella, utan också genererar bakgrundsljud, musik och talade repliker som anpassar sig efter vad som händer på skärmen. Denna utveckling kan på sikt göra det mycket enklare för både spelutvecklare, filmskapare och vanliga entusiaster att förverkliga sina idéer utan att behöva avancerade kunskaper i programmering eller 3D-modellering.

Genie 4 fungerar som en slags smart arkitekt och regissör i ett. Istället för att skriva tusentals rader kod eller rita varje enskilt träd för hand, beskriver du i stället vad du vill se med vanlig text. Du kan till exempel skriva att du vill ha en tät skog i solnedgången. Systemet skapar då en tredimensionell miljö som du kan röra dig i. Om du mitt under upplevelsen kommer på att det borde börja regna, eller att en gammal träbro ska dyka upp över en bäck, skriver du bara detta. AI-modellen uppdaterar då världen direkt utan att du behöver starta om eller ladda en ny scen.

För att hålla ordning på allt som händer under huven samarbetar Genie 4 med en annan av Googles modeller, Gemini 3.8 Flash. Denna fungerar som en kontrollant som delar upp dina önskemål i mindre steg och granskar varje enskild bildruta som skapas. Detta gör att fysiken i världen blir betydligt mer trovärdig än tidigare. Saker som aerodynamik eller hur två föremål krockar med varandra ser naturligt ut. Dessutom rör sig människorna i dessa digitala världar mycket mer följsamt och realistiskt, utan de stela rörelser som ofta förknippas med tidigare AI-genererade animationer. Det inbyggda ljudet skapas också direkt i symbios med bilden, vilket innebär att en karaktärs röst och omgivningens ljud stämmer överens med handlingen.

För den som vill prova på tekniken finns det konkreta användningsområden redan nu, särskilt inom kreativa yrken och för den som gillar att experimentera med digitalt skapande. Föreställ dig att du vill planera en kortfilm tillsammans med några vänner. Istället för att bara rita skisser på papper kan du använda Genie 4 för att snabbt bygga upp den miljö där scenen ska utspela sig. Du kan placera ut digitala skådespelare, låta dem röra sig i rummet och testa olika kameravinklar direkt på skärmen. Detta gör det mycket lättare återskapa visioner och visualisera hur den färdiga filmen kommer att se ut innan den faktiska inspelningen börjar.

Ett annat vardagsnära exempel är för den som drömmer om att göra egna datorspel men som tycker att tröskeln är för hög. Med det här verktyget kan du skissa upp en spelidé på några minuter. Du kan testa hur en bana känns att spela, hur kontrollerna fungerar och hur omgivningen reagerar, allt genom att helt enkelt skriva till programmet. För forskare och tekniker används även systemet för att träna robotar i säkra, virtuella miljöer innan de testas i den fysiska verkligheten.

När det gäller tillgänglighet rullas Genie 4 just nu ut som en testversion för utvalda utvecklare, filmskapare och forskarlag. För vanliga konsumenter kommer verktyget att bli tillgängligt via tjänsten Project Genie. Initialt krävs ett abonnemang på Googles mest avancerade nivå, AI Ultra, vilket kostar cirka 100 dollar i månaden. Google planerar dock att på sikt göra verktyget tillgängligt även för användare på mer prisvärda nivåer, såsom AI Pro och AI Plus, och det finns redan nu en väntelista där intresserade kan registrera sig för att få tillgång så snart som möjligt.

Trots de imponerande framstegen finns det tydliga utmaningar kvar att lösa innan tekniken blir helt sömlös. En ärlig och påtaglig begränsning med Genie 4 är därmed att de virtuella världarna i dagsläget bara kan hålla ihop i ungefär två minuter åt gången. Efter denna korta stund har modellen en tendens att tappa tråden. Den kan glömma bort var objekt var placerade från början, eller missa att hålla koll på detaljer i bakgrunden. Detta gör att miljön kan börja kännas instabil eller förändras på ett ologiskt sätt om man spelar eller utforskar under en längre stund.

Nästa steg för utvecklarna är därför att förbättra modellens långtidsminne så att världarna kan bestå under längre perioder utan att förlora sin logik. Google arbetar också på att göra verktyget mer lättillgängligt för en bredare allmänhet genom att sänka systemkraven och integrera det i vanliga utvecklarverktyg via sina programmeringsgränssnitt. När dessa begränsningar övervinns kan vi stå inför en framtid där skapandet av interaktiva upplevelser blir lika enkelt som att skriva en kort berättelse.