Ngày 27/10/2026, Google DeepMind đã công bố "Genie 4", một "mô hình thế giới" mới. Mô hình thế giới là loại AI tạo ra theo thời gian thực một thế giới ảo dựa trên văn bản hoặc hình ảnh, trong đó người dùng có thể đi lại và thao tác. Với Genie 4, độ chân thực của hình ảnh tăng lên đáng kể, đồng thời mô hình có thể tạo cùng lúc âm thanh môi trường, âm nhạc và lời thoại của nhân vật. Hiện Genie 4 được cung cấp dưới dạng bản xem trước ở giai đoạn nghiên cứu cho một số người thử nghiệm.
Genie 4 là gì
Với Genie 4, khi một sự kiện xảy ra, AI sẽ liên tục tạo ra cách thế giới phản ứng sau đó, những âm thanh vang lên, cũng như cách những người ở đó di chuyển và nói chuyện. Người dùng điều khiển việc di chuyển và hướng máy quay bằng bàn phím, rồi thay đổi cảnh bằng văn bản.
- Thay đổi thế giới bằng lời nói: có thể ra lệnh ngay như đổi thời tiết, di chuyển máy quay hay đưa thêm nhân vật và đồ vật mới vào
- Tái hiện vật lý: tạo ra chuyển động gần với vật lý thực tế, như luồng không khí hay va chạm giữa các vật
- Chuyển động của nhân vật: con người di chuyển tự nhiên và phản ứng với thay đổi xung quanh. Google DeepMind cho rằng đây là bước tiến lớn nhất
- Tạo âm thanh: đồng thời tạo âm thanh riêng của từng nơi, như gió lay cây hay tiếng sóng, cùng với âm nhạc. Genie 4 là mô hình thế giới thời gian thực đầu tiên của hãng tạo kèm cả âm thanh
- Hội thoại: nhân vật nói chuyện ngay tại chỗ, phù hợp với thao tác của người dùng và các sự kiện trong thế giới
Google DeepMind coi việc tái hiện thế giới là một bước quan trọng hướng tới AI có thể làm được nhiều việc như con người (AGI). Hãng cho biết công nghệ này hữu ích để xây dựng môi trường huấn luyện an toàn cho robot và tác tử AI, cũng như cho công việc sản xuất trong các lĩnh vực như điện ảnh, báo chí, game và chế tạo.
Kết hợp với Gemini
Genie 4 tận dụng năng lực của các mô hình Gemini. Gemini Omni giúp hình ảnh và chuyển động của thế giới gần với thực tế hơn, còn các mô hình Gemini khác đảm nhận vai trò suy luận để thế giới luôn nhất quán.
Ví dụ, Gemini 3.8 Flash đóng vai trò người dẫn đường, liên tục quan sát thế giới đang được tạo. Mô hình chia mục tiêu thành nhiều bước, vừa xem video vừa kiểm tra xem từng bước có thành công hay không. Nếu người dùng đổi chỉ dẫn giữa chừng, mô hình sẽ lập lại kế hoạch. Google DeepMind cũng giới thiệu ví dụ kết hợp Gemini 4 Argon với Genie 4 để mô phỏng từng bước cảnh robot hình người "Apollo" của Apptronik chơi cờ đam (checkers, một trò chơi cờ phương Tây).
Cách những người thử nghiệm sử dụng
Google DeepMind đã thử nghiệm cùng những người thử nghiệm trong các lĩnh vực sản xuất video, báo chí, giáo dục, game và kỹ thuật. Các cách sử dụng được giới thiệu như sau.
- Sản xuất video: bước vào bên trong cảnh trước khi quay, thử nhiều "take" trong khi thay đổi góc máy, ánh sáng và lời thoại
- Báo chí và lịch sử: chỉ từ một bức ảnh cũ, tái hiện nơi đó thành một thế giới chuyển động trong vài giây. Cách dùng để cho thấy lũ lụt hay cháy rừng lan rộng ra sao cũng đang được thử
- Game: từ một ý tưởng, tạo bản thử nghiệm có thể đi lại khám phá trong vài giây, rồi thử giao diện và lối chơi bằng lời nói
- Mô phỏng: các doanh nghiệp đang đánh giá mô hình như một công cụ để nhanh chóng tạo ra nhiều tình huống khác nhau
Kế hoạch cung cấp
Genie 4 trước mắt bắt đầu được cung cấp cho một số người thử nghiệm. Sắp tới, mô hình dự kiến được đưa vào "Project Genie" dành cho người đăng ký Google AI Ultra, cũng như cho những người tham gia truy cập sớm Gemini API và Google AI Studio. Về thời điểm, hãng chỉ nói là "sắp tới". Project Genie đang nhận đăng ký danh sách chờ. Thông báo không nêu giá và khu vực cung cấp, bao gồm cả Nhật Bản.
Biện pháp an toàn và những thách thức còn lại
Google DeepMind cho biết đã đặt ra các giới hạn dựa trên cùng chính sách an toàn như các mô hình khác, và chỉ bắt đầu bản xem trước sau khi qua đánh giá an toàn nội bộ. Video và âm thanh do Genie 4 tạo ra đều được gắn "SynthID", dấu chìm vô hình giúp nhận biết nội dung do AI tạo ra.
Mặt khác, hãng cũng cho biết Genie 4 vẫn là mô hình thử nghiệm ở giai đoạn đầu. Mô hình có thể giữ thế giới nhất quán trong thời gian ngắn, nhưng nếu chạy lâu, chồng nhiều chỉ dẫn phức tạp lên nhau hay di chuyển nhiều trong cảnh, các chi tiết và vị trí đồ vật có thể bị lệch dần. Tương tác vật lý phức tạp, độ chính xác của âm thanh, hiển thị chữ, độ chính xác không gian và tính nhất quán trong thời gian dài vẫn là những thách thức đang được nghiên cứu.
Góc nhìn của ban biên tập CoAI
Mô hình thế giới là lĩnh vực mà nhiều hãng đang cạnh tranh phát triển. Ngày 24/10, Tencent cũng đã công bố mô hình thế giới mở "Hy-Nomas". Điểm đặc trưng của Genie 4 là tạo tức thì không chỉ hình ảnh mà cả âm thanh và hội thoại, đồng thời kết hợp với Gemini để giữ cho diễn biến luôn hợp lý.
Tuy vậy, người dùng phổ thông vẫn còn phải chờ thêm. Những người dùng được đầu tiên là thuê bao Google AI Ultra, gói cao cấp nhất, cùng một số nhà phát triển, và hiện chưa rõ có dùng được tại Nhật Bản hay không. Nếu quan tâm đến sản xuất video hay làm bản thử nghiệm game, bạn có thể xem video demo để đánh giá năng lực của mô hình, đồng thời chờ thông báo về khu vực cung cấp và giá.
