گوگل با «جینی ۴» شبیه‌سازی جهان‌های مجازی را واقعی‌تر می‌کند
به گزارش خبرگزاری آنا؛ مدل‌های جهان‌ساز یکی از حوزه‌های تازه تحقیقات هوش مصنوعی هستند که برخلاف ابزار‌های معمول تولید ویدئو، تنها به ساخت مجموعه‌ای از تصاویر متحرک محدود نمی‌شوند. این سامانه‌ها تلاش می‌کنند رفتار محیط، اشیا و شخصیت‌ها را براساس تغییر شرایط و اقدامات کاربران شبیه‌سازی کنند تا امکان تعامل با جهان تولیدشده وجود داشته باشد. در چنین ساختاری، محیط بازی یا شبیه‌سازی به طراحی قبلی تمام اجزای صحنه و برنامه‌نویسی جداگانه واکنش‌ها نیاز ندارد، بلکه مدل با دریافت توضیحات متنی، تصاویر بعدی را متناسب با حرکت کاربر و اتفاقات محیط تولید می‌کند. گوگل سال گذشته با معرفی جینی ۳ توجه صنعت بازی‌سازی را به ظرفیت این فناوری جلب کرد و اکنون نسل جدید آن را با هدف افزایش واقع‌گرایی، حفظ پیوستگی محیط و گسترش کاربرد‌ها در آموزش ربات‌ها و توسعه هوش مصنوعی عمومی ارائه کرده است.
جینی ۴ رفتار فیزیکی اشیا و حرکات انسان را دقیق‌تر شبیه‌سازی می‌کند
یکی از مهم‌ترین پیشرفت‌های جینی ۴ در مقایسه با نسل قبلی، بهبود شبیه‌سازی قوانین فیزیک است. گوگل اعلام کرده مدل جدید در بازآفرینی پدیده‌هایی مانند برخورد اجسام، حرکت در هوا و واکنش اشیا به نیرو‌های محیطی عملکرد دقیق‌تری دارد. برای مثال، رفتار یک جسم هنگام سقوط یا برخورد با سطح و نحوه حرکت اشیای سبک در جریان باد می‌تواند با جزئیات طبیعی‌تری تولید شود. اهمیت این ویژگی تنها به افزایش کیفیت بصری محدود نیست، زیرا شبیه‌سازی فیزیکی قابل اعتماد برای آموزش ربات‌ها و آزمایش رفتار سامانه‌های هوشمند در شرایط نزدیک به دنیای واقعی نیز ضروری است. با این حال، میزان دقت علمی این شبیه‌سازی‌ها هنوز به‌صورت مستقل ارزیابی نشده و مشخص نیست مدل تا چه اندازه می‌تواند رفتار‌های پیچیده فیزیکی را بدون خطا بازسازی کند.
بهبود نمایش انسان‌ها نیز از دیگر تغییرات مهم نسل جدید محسوب می‌شود. شخصیت‌هایی که در محیط‌های تولیدشده ظاهر می‌شوند، قرار است حرکات طبیعی‌تری داشته باشند و واکنش آن‌ها به اتفاقات پیرامون با شرایط صحنه هماهنگ‌تر باشد. مدل می‌تواند حرکت بدن، تغییر موقعیت و پاسخ شخصیت‌ها به رویدادها را هم‌زمان با پیشرفت شبیه‌سازی تولید کند؛ قابلیتی که برای ایجاد محیط‌های تعاملی باورپذیر اهمیت زیادی دارد. در نسل‌های قبلی مدل‌های تولید ویدئو، حرکات غیرطبیعی انسان و ناهماهنگی واکنش شخصیت‌ها با اتفاقات محیط از مشکلات رایج بود. جینی ۴ با بهبود این بخش تلاش می‌کند فاصله میان تصاویر تولیدشده با هوش مصنوعی و رفتار‌های مشاهده‌شده در محیط واقعی را کاهش دهد.
جمینای ۳.۸ فلش پیوستگی جهان‌های مجازی را مدیریت می‌کند
مدل جدید برای حفظ ارتباط میان اتفاقات و جلوگیری از تغییرات ناخواسته محیط، از قابلیت‌های خانواده جمینای استفاده می‌کند. جمینای ۳.۸ فلش در نقش یک ایجنت راهنما، اهداف تعیین‌شده را به مراحل کوچک‌تر تقسیم می‌کند و هم‌زمان با تولید تصاویر، روند اجرای هر مرحله را زیر نظر می‌گیرد. این سامانه می‌تواند فریم‌های جدید را بررسی کند و در صورت تغییر شرایط، دستورالعمل‌های لازم را برای ادامه شبیه‌سازی ارائه دهد. همچنین جمینای اومنی در هماهنگی ظاهر و رفتار محیط با ویژگی‌های دنیای واقعی نقش دارد. ترکیب این مدل‌ها باعث می‌شود تولید تصاویر و مدیریت منطقی رویدادها به‌صورت هماهنگ انجام شود و جهان مجازی هنگام تعامل کاربر، ساختار قابل پیش‌بینی‌تری داشته باشد.
کاربران می‌توانند در جریان اجرای شبیه‌سازی، شرایط محیط را با دستور‌های متنی تغییر دهند. تغییر وضعیت آب‌وهوا، جابه‌جایی دوربین یا اضافه کردن اشیا و شخصیت‌های جدید از جمله امکاناتی هستند که بدون توقف فرایند تولید جهان در دسترس قرار می‌گیرند. برای نمونه، کاربر می‌تواند هنگام حرکت در یک محیط مجازی، بارندگی را به صحنه اضافه کند یا از مدل بخواهد شخصیت تازه‌ای وارد محیط شود. سامانه با بررسی وضعیت موجود، تغییرات درخواستی را با دیگر عناصر صحنه هماهنگ می‌کند. با وجود این پیشرفت‌ها، محدودیت حفظ پیوستگی همچنان پابرجاست و شبیه‌سازی‌ها تنها برای حدود ۲ دقیقه می‌توانند ساختار نسبتاً ثابتی داشته باشند. پس از این مدت، احتمال تغییر ناخواسته جزئیات، جابه‌جایی اشیا یا فراموش شدن وضعیت اولیه محیط افزایش پیدا می‌کند.
صدا و گفت‌وگوی تعاملی به جهان‌های جینی اضافه می‌شوند
جینی ۴ نخستین مدل جهان‌ساز بلادرنگ دیپ‌مایند است که قابلیت تولید بومی صدا را ارائه می‌دهد. در این ساختار، صدا هم‌زمان با تصاویر تولید می‌شود و دیگر نیازی نیست تمام عناصر صوتی پس از ایجاد محیط به آن اضافه شوند. صدای وزش باد، حرکت آب، امواج دریا و دیگر صدا‌های محیطی می‌توانند متناسب با شرایط شبیه‌سازی ایجاد شوند. کاربران همچنین امکان مشخص کردن برخی ویژگی‌های صوتی در دستور‌های متنی را دارند تا محیط تولیدشده علاوه بر ظاهر، از نظر صدا نیز با توصیف اولیه هماهنگ باشد.
مهم‌ترین بخش این پیشرفت، اضافه شدن گفت‌و‌گو‌های تعاملی میان شخصیت‌هاست. گوگل می‌گوید مدل جدید می‌تواند مکالماتی تولید کند که محتوای آن‌ها با تغییر محیط و اقدامات کاربر تطبیق پیدا کند. به این ترتیب، شخصیت‌ها به‌جای تکرار دیالوگ‌های از پیش تعیین‌شده، امکان واکنش به رویداد‌های تازه را خواهند داشت. چنین قابلیتی در صورت عملکرد مناسب می‌تواند برای ساخت شخصیت‌های غیرقابل‌بازی در بازی‌های ویدئویی، محیط‌های آموزشی و شبیه‌سازی تعاملات انسانی کاربرد داشته باشد. البته دقت گفتار، طبیعی بودن مکالمات و هماهنگی صدا با اتفاقات محیط همچنان از موضوعات در حال بررسی هستند و عملکرد مدل در سناریو‌های طولانی‌تر به آزمایش‌های بیشتری نیاز دارد.
دسترسی به جینی ۴ ابتدا برای مشترکان گران‌قیمت گوگل فراهم می‌شود
دیپ‌مایند توسعه جینی ۴ را گامی در مسیر دستیابی به هوش مصنوعی عمومی یا AGI می‌داند. از دید پژوهشگران این مجموعه، سامانه‌های هوشمند برای درک بهتر دنیای واقعی باید بتوانند پیامد اقدامات مختلف را پیش‌بینی کنند و رفتار اشیا و موجودات را در شرایط متفاوت شبیه‌سازی کنند. ایجاد محیط‌های مجازی متنوع می‌تواند فرصت آموزش ایجنت‌ها و ربات‌ها را بدون نیاز به اجرای تمام آزمایش‌ها در دنیای فیزیکی فراهم کند. همچنین توسعه‌دهندگان بازی و فعالان صنایع خلاق می‌توانند از این فناوری برای ساخت سریع نمونه‌های اولیه، بررسی طراحی محیط‌ها و آزمایش ایده‌های تعاملی استفاده کنند.
با وجود قابلیت‌های معرفی‌شده، جینی ۴ هنوز یک محصول عمومی نیست و فعلاً تنها گروه محدودی از آزمایش‌کنندگان مورد اعتماد به نسخه تحقیقاتی آن دسترسی دارند. گوگل قصد دارد در مرحله بعد، مدل جدید را از طریق پروژه جینی در اختیار مشترکان سرویس AI اولترا قرار دهد و امکان استفاده توسعه‌دهندگان را نیز از طریق رابط برنامه‌نویسی جمینای و محیط گوگل AI استودیو فراهم کند. هزینه استفاده از مدل برای توسعه‌دهندگان هنوز مشخص نشده و زمان دقیقی برای عرضه گسترده آن اعلام نشده است. طرح‌های اشتراکی AI اولترا از ماهانه ۱۰۰ دلار آغاز می‌شوند، اما دسترسی به قابلیت‌های آزمایشی ممکن است براساس سطح اشتراک و شرایط عرضه متفاوت باشد. علاقه‌مندان نیز می‌توانند برای دریافت دسترسی زودهنگام در فهرست انتظار ثبت‌نام کنند.
پژوهشگران تأکید کرده‌اند که مدل‌های جهان‌ساز همچنان با محدودیت‌هایی مانند ناپایداری جزئیات محیط، دشواری شبیه‌سازی تعاملات پیچیده و حفظ ارتباط منطقی رویدادها در بازه‌های طولانی مواجه هستند. گوگل همچنین اعلام کرده محتوای صوتی و تصویری تولیدشده با جینی ۴ به واترمارک دیجیتال سینث‌آی‌دی مجهز خواهد شد تا امکان شناسایی منشأ مصنوعی آن فراهم باشد. در مجموع، نسل جدید این فناوری با ترکیب تولید تصویر، صدا و مدیریت هوشمند رویدادها، ظرفیت تازه‌ای برای ساخت محیط‌های مجازی ایجاد می‌کند، اما تبدیل آن به ابزاری قابل اتکا برای بازی‌سازی حرفه‌ای یا آموزش گسترده ربات‌ها همچنان به رفع محدودیت‌های فنی و بررسی عملکرد در شرایط واقعی وابسته است.
انتهای پیام/
