Bloomberg — Google, de Alphabet Inc. (GOOGL), anunció una nueva versión de su modelo de mundo de inteligencia artificial que genera entornos virtuales más realistas y en tiempo real, impulsando una tecnología que ha inquietado a los inversores en empresas de videojuegos. Genie 4, presentado el martes por el laboratorio de IA Google DeepMind de la compañía, permite a los usuarios crear mundos explorables a partir de indicaciones de texto y navegar por ellos mediante controles de teclado. También pueden modificar una escena a medida que se desarrolla escribiendo instrucciones, como cambiar el clima o añadir un personaje. Google afirmó que las simulaciones pueden durar hasta dos minutos, lo que prácticamente duplica la capacidad de su predecesor, Genie 3.
Genie 4 es también el primero de sus productos en generar sonido e imágenes simultáneamente, incluyendo ruido ambiental, música y diálogos que reaccionan a los usuarios. Ver más: Anthropic aumenta su dependencia de Google, Amazon y Microsoft Google está lanzando Genie 4 como una versión preliminar para un pequeño grupo de evaluadores de confianza. En las próximas semanas, la compañía planea ofrecerla a los suscriptores del plan Google AI Ultra, el de mayor nivel, así como a algunos desarrolladores que utilizan las herramientas de creación de aplicaciones, Google AI Studio y la API Gemini. Los modelos de mundo son un tipo de IA que genera entornos interactivos sobre la marcha, en lugar de solo vídeo.
Cuando Google presentó Project Genie, un prototipo basado en el modelo Genie 3, en enero, causó revuelo en Wall Street. Las acciones de las empresas de videojuegos cayeron bruscamente mientras los inversores sopesaban si las herramientas de IA podrían revolucionar la forma en que se crean los videojuegos. Si bien Google enfrenta una intensa competencia de rivales como OpenAI y Anthropic PBC en el campo de la IA, su modelo Gemini 4 Argon, anunciado recientemente, se considera clave para reducir la brecha. Los modelos del mundo real y la multimodalidad —la capacidad de la IA para trabajar con imágenes, audio y video, además de texto— se han considerado durante mucho tiempo los puntos fuertes tecnológicos de Google.
Ver más: Google abre su Play Store a aplicaciones creadas con IA para uso personal El nuevo modelo se apoya en Gemini para mantener la coherencia de sus mundos. Cuando Genie 4 renderiza una escena, Gemini analiza los fotogramas entrantes, interpreta el objetivo del usuario y lo desglosa en una serie de pasos, para luego verificar que cada uno se haya completado, según explicó Google en una publicación de blog. La compañía indicó que su equipo experimentó con Argon, pero la experiencia en tiempo real se ejecuta en Gemini 3.8 Flash, su modelo más ligero y potente. Google afirmó que evaluadores de confianza, entre ellos desarrolladores de videojuegos y cineastas, están probando Genie 4 para tareas como convertir un concepto en un prototipo interactivo y esbozar escenas.
La compañía también está estudiando si podría ayudar a entrenar robots, aunque aún no está claro si alguno de estos usos se popularizará. En una rueda de prensa, Diego Rivas, gerente de producto de Google DeepMind, preguntó sobre el impacto en la industria de los videojuegos. Rivas explicó que la compañía está colaborando con sus socios para comprender cómo se integra la tecnología en su trabajo y cuáles son sus límites. “La idea es ampliar las posibilidades actuales”, afirmó Rivas. Google recalcó que el modelo aún es experimental.
Los detalles visuales y los objetos pueden variar a medida que la simulación se prolonga, y Hang Qi, ingeniero de investigación de Google DeepMind, afirmó que alcanzar el límite de dos minutos del modelo no significa necesariamente que una escena se mantenga completamente consistente en todo momento. Las interacciones físicas complejas, el texto legible y la coherencia a largo plazo aún están en desarrollo. Lograr que los mundos virtuales sean completamente coherentes, aunque sea durante dos minutos, requeriría que el modelo comprendiera a fondo la física del mundo cotidiano, según Tejas Kulkarni, director de investigación de Google DeepMind. “No se puede hacer mucho en dos minutos”, dijo Rivas. “Todavía estamos en la fase de investigación. No estamos necesariamente en la fase del producto final”.
La compañía afirmó que todo el audio y el vídeo generados por Genie 4 llevarán SynthID, la marca de agua invisible de Google para identificar el contenido generado por IA. Lea más en Bloomberg.com
