Google DeepMind ประกาศ "Genie 4" ซึ่งเป็น "โมเดลโลก" รุ่นใหม่ เมื่อวันที่ 27 ตุลาคม 2026 โมเดลโลกคือ AI ที่สร้างโลกเสมือนขึ้นแบบเรียลไทม์จากข้อความหรือรูปภาพ โดยผู้ใช้สามารถเดินสำรวจหรือควบคุมสิ่งต่าง ๆ ภายในโลกนั้นได้ Genie 4 ให้ภาพที่สมจริงขึ้นอย่างมาก และสร้างเสียงบรรยากาศ ดนตรี และบทสนทนาของตัวละครไปพร้อมกันได้ ปัจจุบันเปิดให้ผู้ทดสอบจำนวนจำกัดใช้งานในรูปแบบพรีวิวระยะวิจัย
Genie 4 คืออะไร
ใน Genie 4 เมื่อเกิดเหตุการณ์หนึ่งขึ้น AI จะสร้างต่อเนื่องไปว่าโลกตอบสนองอย่างไร มีเสียงอะไรเกิดขึ้น และผู้คนในที่นั้นเคลื่อนไหวและพูดอย่างไร ผู้ใช้ควบคุมการเคลื่อนที่และทิศทางกล้องด้วยคีย์บอร์ด และเปลี่ยนฉากด้วยข้อความ
- เปลี่ยนโลกด้วยคำพูด: สั่งได้ทันที เช่น เปลี่ยนสภาพอากาศ เคลื่อนกล้อง หรือเพิ่มตัวละครและสิ่งของใหม่
- การจำลองฟิสิกส์: สร้างการเคลื่อนไหวที่ใกล้เคียงฟิสิกส์จริง เช่น การไหลของอากาศและการชนกันของวัตถุ
- การเคลื่อนไหวของตัวละคร: ผู้คนเคลื่อนไหวอย่างเป็นธรรมชาติและตอบสนองต่อความเปลี่ยนแปลงรอบตัว Google DeepMind ระบุว่านี่คือความก้าวหน้าที่สำคัญที่สุด
- การสร้างเสียง: สร้างเสียงเฉพาะของแต่ละสถานที่ เช่น ลมที่พัดต้นไม้ไหวหรือเสียงคลื่น รวมถึงดนตรีไปพร้อมกัน Genie 4 เป็นโมเดลโลกแบบเรียลไทม์รุ่นแรกของบริษัทที่สร้างเสียงไปด้วย
- บทสนทนา: ตัวละครพูดคุยได้ทันทีตามการกระทำของผู้ใช้และเหตุการณ์ในโลก
Google DeepMind มองว่าการจำลองโลกเป็นก้าวสำคัญสู่ AI ที่ทำงานได้หลากหลายเทียบเท่ามนุษย์ (AGI) และระบุว่าจะเป็นประโยชน์ต่อการสร้างสภาพแวดล้อมสำหรับฝึกหุ่นยนต์และเอเจนต์ AI อย่างปลอดภัย รวมถึงงานสร้างสรรค์ในวงการภาพยนตร์ ข่าว เกม และการผลิต
การทำงานร่วมกับ Gemini
Genie 4 นำความสามารถของโมเดล Gemini มาใช้ Gemini Omni ช่วยให้รูปลักษณ์และการเคลื่อนไหวของโลกใกล้เคียงความจริงมากขึ้น ขณะที่โมเดล Gemini อื่น ๆ ทำหน้าที่ใช้เหตุผลเพื่อให้โลกสอดคล้องกันอยู่เสมอ
ตัวอย่างเช่น Gemini 3.8 Flash ทำหน้าที่เป็นผู้นำทางที่คอยเฝ้าดูโลกที่กำลังสร้างอยู่ตลอด โดยแบ่งเป้าหมายออกเป็นหลายขั้นตอน และตรวจดูวิดีโอเพื่อยืนยันว่าแต่ละขั้นตอนสำเร็จหรือไม่ หากผู้ใช้เปลี่ยนคำสั่งระหว่างทางก็จะวางแผนใหม่ Google DeepMind ยังแสดงตัวอย่างการใช้ Gemini 4 Argon ร่วมกับ Genie 4 เพื่อจำลองทีละขั้นตอนขณะที่หุ่นยนต์ฮิวแมนนอยด์ "Apollo" ของ Apptronik เล่นหมากฮอส (checkers เกมกระดานแบบตะวันตก)
วิธีใช้งานของผู้ทดสอบ
Google DeepMind ได้ทดลองใช้ร่วมกับผู้ทดสอบในสาขาการผลิตวิดีโอ ข่าว การศึกษา เกม และวิศวกรรม ตัวอย่างการใช้งานที่แนะนำมีดังนี้
- การผลิตวิดีโอ: เข้าไปในฉากก่อนถ่ายทำ แล้วลอง "เทค" ซ้ำหลายครั้งพร้อมเปลี่ยนมุมกล้อง แสง และบทพูด
- ข่าวและประวัติศาสตร์: สร้างสถานที่จากภาพถ่ายเก่าเพียงใบเดียวให้กลายเป็นโลกที่เคลื่อนไหวได้ภายในไม่กี่วินาที และกำลังทดลองใช้แสดงให้เห็นว่าน้ำท่วมหรือไฟป่าลุกลามอย่างไร
- เกม: สร้างต้นแบบที่เดินสำรวจได้จากไอเดียภายในไม่กี่วินาที แล้วลองปรับรูปลักษณ์และวิธีเล่นด้วยคำพูด
- การจำลอง: บริษัทต่าง ๆ กำลังประเมินให้เป็นเครื่องมือสร้างสถานการณ์หลากหลายได้อย่างรวดเร็ว
แผนการเปิดให้ใช้
Genie 4 เริ่มเปิดให้ผู้ทดสอบจำนวนจำกัดก่อน ต่อไปมีแผนจะเปิดให้ใช้ใน "Project Genie" สำหรับสมาชิก Google AI Ultra และให้ผู้เข้าร่วมโครงการเข้าถึงก่อนของ Gemini API และ Google AI Studio โดยระบุช่วงเวลาไว้เพียงว่า "เร็ว ๆ นี้" Project Genie เปิดรับลงทะเบียนรายชื่อรอแล้ว ส่วนราคาและพื้นที่ให้บริการ รวมถึงญี่ปุ่น ไม่ได้ระบุไว้ในประกาศ
มาตรการความปลอดภัยและความท้าทายที่ยังเหลือ
Google DeepMind ระบุว่าได้กำหนดข้อจำกัดตามนโยบายความปลอดภัยเดียวกับโมเดลอื่น และเริ่มพรีวิวหลังผ่านการประเมินความปลอดภัยภายในแล้ว วิดีโอและเสียงที่ Genie 4 สร้างจะมี "SynthID" ซึ่งเป็นลายน้ำที่มองไม่เห็นสำหรับระบุว่าเป็นสิ่งที่ AI สร้างขึ้น
ในอีกด้านหนึ่ง บริษัทอธิบายว่า Genie 4 ยังเป็นโมเดลทดลองในระยะแรก ในช่วงเวลาสั้น ๆ โมเดลรักษาความสอดคล้องของโลกได้ แต่หากรันเป็นเวลานาน ใส่คำสั่งซับซ้อนซ้อนกันหลายครั้ง หรือเคลื่อนที่ไปมาในฉาก รายละเอียดและตำแหน่งของวัตถุอาจค่อย ๆ คลาดเคลื่อน ปฏิสัมพันธ์ทางฟิสิกส์ที่ซับซ้อน ความแม่นยำของเสียง การแสดงตัวอักษร ความแม่นยำเชิงพื้นที่ และความสอดคล้องในระยะยาว ยังเป็นโจทย์ที่อยู่ระหว่างการวิจัย
มุมมองของกองบรรณาธิการ CoAI
โมเดลโลกเป็นสาขาที่หลายบริษัทกำลังแข่งกันพัฒนา เมื่อวันที่ 24 ตุลาคม Tencent ก็เพิ่งเผยแพร่โมเดลโลกแบบเปิด "Hy-Nomas" จุดเด่นของ Genie 4 คือสร้างได้ทั้งภาพ เสียง และบทสนทนาได้ทันที และใช้ร่วมกับ Gemini เพื่อรักษาเนื้อเรื่องให้สมเหตุสมผล
อย่างไรก็ตาม ผู้ใช้ทั่วไปยังต้องรออีกระยะ กลุ่มแรกที่ใช้ได้คือสมาชิก Google AI Ultra ซึ่งเป็นแพ็กเกจระดับสูงสุด และนักพัฒนาบางส่วน และยังไม่ทราบว่าจะใช้ในญี่ปุ่นได้หรือไม่ ผู้ที่สนใจด้านการผลิตวิดีโอหรือการทำต้นแบบเกม อาจดูความสามารถจากวิดีโอเดโมไปพลาง ๆ ระหว่างรอประกาศเรื่องพื้นที่ให้บริการและราคา
