O Google DeepMind acaba de apresentar o Genie 3, a mais recente versão de sua família de modelos de IA conhecidos como ‘modelos de mundo’. Esses sistemas são capazes de gerar imagens enquanto um usuário, humano ou IA, interage com um ambiente simulado. O Genie 3 representa um avanço significativo em relação ao seu antecessor, o Genie 2, oferecendo maior realismo e capacidade de interação em tempo real, com o objetivo de aprimorar o treinamento de outros sistemas de inteligência artificial.
Uma das principais melhorias do Genie 3 é a sua capacidade de gerar vídeos em resolução 720p, um salto considerável em relação aos 360p do Genie 2. Além disso, o Genie 3 consegue manter simulações consistentes por períodos mais longos, evitando as ‘alucinações’ que frequentemente afetavam o modelo anterior. Enquanto o Genie 2 tinha um limite teórico de 60 segundos, o Genie 3 pode operar por vários minutos antes de começar a apresentar artefatos visuais, o que o torna muito mais útil para treinar IA. A capacidade de simular cenários por mais tempo garante um aprendizado mais robusto e confiável.
Outra novidade importante é a funcionalidade que o DeepMind chama de ‘eventos mundiais acionáveis’. O Genie 3 responde a comandos de movimento em tempo real e permite ajustar a simulação por meio de comandos de texto, alterando dinamicamente o estado do mundo gerado. Em uma demonstração, o modelo foi instruído a inserir uma manada de cervos em uma cena de uma pessoa esquiando montanha abaixo. Essa capacidade de alterar o ambiente de simulação de forma interativa abre novas possibilidades para o treinamento de IA, permitindo que elas aprendam a lidar com uma variedade muito maior de situações inesperadas. Apesar de ainda não estar disponível para o público, o DeepMind planeja disponibilizar o Genie 3 para mais testadores em breve.
Origem: Link