به گزارش آی سی تی نیوز؛ گوگل دیپ‌مایند در ۲۷ اکتبر ۲۰۲۶ (۵ آبان ۱۴۰۵) از مدل جهانی Genie 4 رونمایی کرد؛ مدلی که برخلاف نسل‌های قبلی، نه‌تنها محیط‌های تعاملی را به‌صورت لحظه‌ای می‌سازد، بلکه برای اولین بار در یک مدل بلادرنگ دیپ‌مایند، صدا را نیز به‌صورت بومی تولید می‌کند. ساندار پیچای، مدیرعامل گوگل، آن را «واقع‌گرایانه‌ترین و تعاملی‌ترین مدل جهانی ما» توصیف کرده است . این مدل فعلاً در قالب پیش‌نمایش پژوهشی برای گروهی از آزمایش‌کنندگان مورد اعتماد عرضه شده و دسترسی عمومی آن مشروط به عضویت در طرح Google AI Ultra با قیمت پایه ۹۹.۹۹ دلار در ماه است .
چهار پیشرفت محوری
جینی ۴ چهار قابلیت کلیدی را نسبت به نسل قبل ارتقا داده است. نخست، هدایت هم‌زمان با زبان طبیعی: کاربر می‌تواند در جریان شبیه‌سازی، آب‌وهوا را تغییر دهد، دوربین را جابه‌جا کند یا شخصیت تازه‌ای وارد صحنه کند و جمنای فرمان را با زمینه موجود تطبیق می‌دهد . دوم، درک پیشرفته‌تر فیزیک: شبیه‌سازی سناریوهایی شامل آیرودینامیک و برخورد، هرچند دیپ‌مایند تأکید می‌کند این فیزیک حاصل یادگیری مدل است، نه محاسبه دقیق موتور فیزیکی . سوم، بازنمایی طبیعی‌تر انسان‌ها که به محیط واکنش نشان می‌دهند و آنی هدایت‌پذیر باقی می‌مانند. چهارم، تولید بومی صدا: از وزش باد میان درختان تا گفت‌وگوی شخصیت‌ها که در لحظه با کاربر تعامل می‌کنند .
مدت‌زمان حفظ پیوستگی صحنه از یک دقیقه در Genie 3 به حدود دو دقیقه افزایش یافته است . با این حال، دیگو ریواس، مهندس دیپ‌مایند، صریحاً گفته: «دو دقیقه چیز زیادی نیست. ما هنوز در مرحله اکتشاف تحقیقاتی هستیم و واقعاً وارد مرحله توسعه محصول نهایی نشده‌ایم» .
معماری هیبریدی: جمنای به‌عنوان «کارگردان»
نکته متمایزکننده جینی ۴، اتکای آن به مدل‌های دیگر خانواده جمنای است. Gemini Omni ظاهر و رفتار شبیه‌سازی را به الگوهای جهان واقعی نزدیک نگه می‌دارد، در حالی که Gemini 3.8 Flash به‌عنوان «عامل راهنما» در حلقه عمل می‌کند: صحنه را پیوسته می‌بیند، اهداف را به مراحل تقسیم می‌کند و فریم‌های ورودی را برای سنجش پیشرفت بازبینی می‌کند . دیپ‌مایند همچنین ترکیب Gemini 4 Argon و جینی ۴ را در آزمایش با Gemini Robotics به کار برده است؛ Argon وظیفه کاربر را به مراحل تقسیم می‌کند و توضیح متنی هر مرحله هنگام رندر به جینی ۴ می‌رسد .
تجاس کولکارنی، مدیر تحقیقات گوگل، می‌گوید: «آنچه در آینده بیشتر شاهد آن خواهیم بود، این مدل‌های جهانی هیبریدی هستند که در آن‌ها ترکیبی از Gemini در حال نوشتن کد و متن است و Genie آن را در زمان واقعی دریافت و واقعیت را در سطوح مختلف انتزاع شبیه‌سازی می‌کند» .
کاربردهای فراتر از بازی
آزمایش‌کنندگان مورد اعتماد دیپ‌مایند کاربردهای جدیدی کشف کرده‌اند. فیلم‌سازان می‌توانند وارد شبیه‌سازی زنده یک صحنه شوند و چند «برداشت» را در زمان واقعی با تنظیم زاویه دوربین، نورپردازی و دیالوگ اجرا کنند. عکاسان خبری در حال بررسی این هستند که چگونه یک عکس آرشیوی دو بعدی می‌تواند در عرض چند ثانیه به یک شبیه‌سازی زنده از آن محیط تبدیل شود—از فضاهای تاریخی تا تجسم رویدادهایی مانند سیل ناگهانی یا آتش‌سوزی. توسعه‌دهندگان بازی نیز از ایده اولیه به یک نمونه اولیه قابل کاوش در عرض چند ثانیه می‌رسند، بدون نوشتن حتی یک خط کد موتور بازی .
محدودیت‌ها و نقدها
دیپ‌مایند صریحاً اعلام کرده که جینی ۴ هنوز مدلی اولیه و آزمایشی است. دقت صدا و خوانایی متن در جهان مجازی هنوز مشکلات حل‌نشده‌ای دارند و ماندگاری اشیا ممکن است به‌مرور تغییر کند . در بحث‌های آنلاین، برخی کاربران به کیفیت دموی ارائه‌شده انتقاد کرده‌اند؛ یکی از کاربران نوشت: «آن کلیپ کاملاً شبیه یک بازی ویدئویی ارزان‌قیمت است. صافی عجیب حرکت، چرخش در وسط هوا، و بال‌هایی که ظاهراً با میله‌هایی که از کنارشان می‌گذرند برخورد ندارند» .
تمام ویدیوها و صداهای تولیدشده با SynthID، واترمارک نامرئی گوگل، برچسب‌گذاری می‌شوند. جینی ۴ همچنین از محافظ‌های ایمنی هماهنگ با سیاست‌های دیگر مدل‌های گوگل بهره می‌گیرد .
تحلیل ICTNews
جینی ۴ را باید در بستر یک رقابت رو به رشد در حوزه «مدل‌های جهانی» دید. برخلاف مدل‌های تولید ویدیو مانند Veo یا Seedance که خروجی‌شان یک خط زمانی ثابت و غیرقابل تغییر است، جینی ۴ محیطی می‌سازد که کاربر می‌تواند در آن قدم بزند، دری را باز کند، برگردد و ببیند اشیا همچنان سر جایشان هستند. این «ماندگاری اشیا» و «حافظه فضایی» چیزی است که مدل‌های ویدیویی نیازی به حل آن ندارند، اما مدل‌های جهانی بدون آن بی‌معنا هستند .
اما دو نکته را نباید از نظر دور داشت. نخست، قیمت. دسترسی به جینی ۴ از طریق Project Genie و طرح Google AI Ultra با قیمت پایه ۹۹.۹۹ دلار در ماه فراهم می‌شود . این یعنی جینی ۴ در فاز اول یک ابزار لوکس برای استودیوهای حرفه‌ای و توسعه‌دهندگان است، نه یک محصول عمومی. دوم، فاصله میان ادعا و واقعیت. خود گوگل می‌پذیرد که دو دقیقه «چیز زیادی نیست» و هنوز وارد مرحله محصول نشده است. نقدهای فنی به کیفیت دمو نیز نشان می‌دهد که فاصله میان «شبیه‌سازی واقع‌گرایانه» و خروجی واقعی هنوز زیاد است.
با این حال، جهت حرکت روشن است: گوگل در حال ساختن زیرساختی است که در آن جمنای «فکر می‌کند» و جینی «واقعیت می‌سازد». اگر این معماری هیبریدی به بلوغ برسد، می‌تواند مسیر تولید محتوای تعاملی، آموزش ربات‌ها و حتی شبیه‌سازی‌های علمی را تغییر دهد. فعلاً اما جینی ۴ یک نقطه عطف پژوهشی است، نه یک انقلاب محصول.