കോഡിങ് വേണ്ട, പറയുന്നതനുസരിച്ച് ത്രീഡി ലോകങ്ങൾ തത്സമയം സൃഷ്ടിക്കും; ഗൂഗിൾ ഡീപ്പ് മൈൻഡിന്റെ 'ജീനി 4'

#ടെക്നോളജി ഡെസ്ക്
Genie 4 Visual | Photo: Google
Genie 4 Visual | Photo: Google

ഉപയോക്താക്കളുടെ നിർദ്ദേശങ്ങൾക്കനുസരിച്ച് തത്സമയം ഇന്ററാക്ടീവ് ത്രിഡി വേൾഡ് നിർമിച്ചെടുക്കാൻ സാധിക്കുന്ന നിർമിത ബുദ്ധി മോഡലായ ജീനി 4 അവതരിപ്പിച്ച് ഗൂഗിൾ ഡീപ്പ് മൈൻഡ്. യഥാർത്ഥമെന്ന് തോന്നുന്ന ദൃശ്യങ്ങളും സംഭാഷണങ്ങളും സൃഷ്ടിക്കാൻ ഇതിനാവും. ഗവേഷകർക്കും വിശ്വസ്തരായ ടെസ്റ്റർമാർക്കും മാത്രമായി ഒരു 'റിസർച്ച് പ്രിവ്യൂ' രൂപത്തിൽ ലഭ്യമാക്കിയിട്ടുണ്ട്.

ഇത് വെറുമൊരു സാധാരണ വീഡിയോ ജനറേറ്റർ അല്ല. ഒരു റിയൽ-ടൈം ഇന്ററാക്ടീവ് വേൾഡ് മോഡൽ (Interactive World Model) ആണ്. സാധാരണ വീഡിയോ ജനറേറ്റർ എങ്കിൽ നൽകുന്ന പ്രോംപ്റ്റിന് അനുസരിച്ച് ഒരു വീഡിയോ ക്ലിപ്പ് നിർമ്മിച്ചു തരിക മാത്രമാണ് ചെയ്യുക. അത് കണ്ട് ഇരിക്കാനേ കഴിയൂ. എന്നാൽ ജീനി 4 അങ്ങനെയല്ല.

ഇന്ററാക്ടീവ് വേൾഡ് എന്നത് എന്താണെന്ന് പബ്ജി, കോൾ ഓഫ് ഡ്യൂട്ടി പോലുള്ള ഗെയിമുകളിൽ കണ്ടിട്ടുണ്ടാവും. അത്തരത്തിൽ അത് യഥാർത്ഥ ലോകത്തെ കാഴ്ചകളോട് കിടപിടിക്കും വിധം ഒറിജിനാലിറ്റി അനുഭവപ്പെടുന്ന ദൃശ്യങ്ങളാണ് ജീനി 4 സൃഷ്ടിക്കുക. ഈ ലോകത്തിലൂടെ അതിലൂടെ സ്വതന്ത്രമായി സഞ്ചരിക്കാനും, ക്യാമറ ആംഗിളുകൾ മാറ്റാനും, ചുറ്റുപാടുകളുമായി സംവദിക്കാനും സാധിക്കും. അതിൽ ഒരിടത്ത് എന്തെങ്കിലും കാഴ്ച കാണാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, ഉദാഹരണം ഒരു കടൽ തീരമാണ് കാണുന്നതെങ്കിൽ അതിൽ ഒരു ഡോൾഫിൻ ചാടുന്നത് ഉൾപെടുത്താൻ പറഞ്ഞാൽ ആ രംഗം കണ്ടുകൊണ്ടിരിക്കെ കടലിൽ ഡോൾഫിനുകൾ പ്രത്യക്ഷപ്പെടും.

ചുറ്റുപാടിന് അനുസരിച്ച് സ്വാഭാവികമായ ശബ്ദങ്ങൾ സൃഷ്ടിക്കുമെന്നതാണ് മറ്റൊരു സവിശേഷത. യാഥാർഥ്യമെന്ന് തോന്നുന്ന പശ്ചാത്തല ശബ്ദങ്ങൾ മുതൽ തത്സമയം സംഭാഷണം നടത്താൻ കഴിയുന്ന കഥാപാത്രങ്ങൾവരെ ഇതിൽ ഉൾപ്പെടുന്നു. ഇതിന് പുറമെ വസ്തുക്കൾ തമ്മിലുള്ള കൂട്ടിയിടികൾ, വെള്ളത്തിന്റെ ഒഴുക്ക്, കാറ്റത്ത് മരങ്ങൾ ആടിയുലയുന്നത് തുടങ്ങി ഭൗതികശാസ്ത്ര നിയമങ്ങളെ വളരെ കൃത്യമായി പാലിച്ച് പ്രവർത്തിക്കാൻ ഇതിന് സാധിക്കുന്നു.

ഗൂഗിൾ ഡീപ്‌മൈൻഡ് ഇതിന്റെ ഉപയോഗം കൂടുതൽ വിപുലപ്പെടുത്താൻ പദ്ധതിയിടുന്നുണ്ട്. 'ഗൂഗിൾ എഐ അൾട്രാ' വരിക്കാർക്ക് 'പ്രോജക്റ്റ് ജീനി' വഴി ഇത് ലഭ്യമാകും. കൂടാതെ, ജെമിനി എപിഐ, ഗൂഗിൾ എഐ സ്റ്റുഡിയോ എന്നിവ ഉപയോഗിക്കുന്ന എർലി-ആക്‌സസ് പങ്കാളികൾക്കും ഇത് ലഭിക്കും.

ഇതുകൊണ്ടുള്ള ഉപയോഗമെന്ത്?

ഗെയിം നിർമാണത്തിന് ഉപയോഗിക്കാനാവും. ടെക്സ്റ്റ് പ്രോംപ്റ്റിൽ ആശയങ്ങൾ പങ്കുവെച്ച് യഥാർത്ഥമെന്ന് തോന്നുന്ന ത്രിമാന ഗെയിമിങ് ലോകങ്ങൾ സൃഷ്ടിക്കാൻ ജീനി 4-ന്റെ സഹായത്തോടെ സാധിക്കും. കോഡിങോ, പ്രോഗ്രാമിങോ അതിനായി പഠിക്കേണ്ടിവരില്ല. ഗെയിമറുടെ താത്പര്യത്തിന് അനുസരിച്ച് മാറുന്ന എപ്പോഴും പുതിയ അനുഭവങ്ങളും കാഴ്ചകളും നൽകുന്ന ഗെയിമുകൾ നിർമിക്കാൻ ഇതുവഴി സാധിക്കും.

ഇതിന് പുറമെ റോബോട്ടിക്സ് പരിശീലനം, സിനിമാ നിർമാണം, ദുരന്തനിവാരണം, വ്യോമയാനം പോലുള്ള മേഖലകളിൽ ജോലിചെയ്യുന്നവർക്കുള്ള വെർച്വൽ പരിശീലനം എന്നിവ ഇതിലൂടെ സാധ്യമാവും.

ലഭ്യത

ജീനി 4 ഇത് ഗവേഷകർക്കും വിശ്വസ്തരായ ടെസ്റ്റർമാർക്കും മാത്രമായി ഒരു 'റിസർച്ച് പ്രിവ്യൂ' രൂപത്തിൽ ലഭ്യമാണ്. ക്രിയേറ്റീവ് വ്യവസായങ്ങൾ, മാധ്യമപ്രവർത്തനം, വിദ്യാഭ്യാസം, ഗെയിമിംഗ്, എഞ്ചിനീയറിംഗ് തുടങ്ങിയ മേഖലകളിലുള്ളവർക്കാണ് ഇപ്പോൾ ഇത് ഉപയോഗിക്കാൻ സാധിക്കുക.

Content Highlights: Google DeepMind has launched Geni 4, an advanced interactive world AI model that creates real-time 3D environments and physics-based simulations from text prompts. Currently available as a research preview, the tool opens up groundbreaking applications for gaming, robotics training, and virtual media production.