Google Genie 4: novo modelo de IA gera mundos com áudio de cerca de 2 minutos

Os fatos

O que é o Genie 4

O Google apresentou o Genie 4, seu novo modelo de IA, como uma prévia de pesquisa. Prévia de pesquisa é uma forma de divulgação feita antes da venda ampla como produto, mostrando o modelo a um público limitado para fins de pesquisa.

O Genie 4 é um tipo de IA chamado de "modelo de mundo", que gera um mundo virtual em movimento a partir de instruções como textos e imagens. Segundo o Google, o Genie 4 consegue criar mundos mais próximos da realidade do que as versões anteriores.

Fontes: theverge.com, techcrunch.com

Áudio e comandos em tempo real

Segundo o Google, o Genie 4 é capaz de gerar áudio. Um dos destaques desta vez é que ele produz não só as imagens, mas também os sons que ocorrem dentro do mundo criado.

Além disso, é possível alterar a experiência em tempo real com comandos em linguagem natural. Linguagem natural significa instruções escritas com palavras do dia a dia, e não com comandos de programação. Quando o usuário dá uma instrução por palavras, o conteúdo do mundo em geração muda na hora.

Fontes: theverge.com, techcrunch.com

Duração da experiência chega a cerca de 2 minutos

Segundo o Google, a duração da experiência gerada pelo Genie 4 é de cerca de 2 minutos. Como o Genie 3, da geração anterior, tinha cerca de 1 minuto, o tempo de geração praticamente dobrou.

Quanto maior o tempo, mais longamente é possível mostrar os acontecimentos dentro daquele mundo. É um passo de uma demonstração curta para uma experiência com um certo encadeamento de eventos.

Fontes: theverge.com, techcrunch.com

Acesso inicial é restrito a testadores selecionados

O acesso inicial ao Genie 4 é destinado a "trusted testers". A expressão indica a fase em que apenas pessoas consideradas confiáveis podem testar o modelo antes, ou seja, o público geral não pode usá-lo imediatamente.

Por se tratar também de uma prévia de pesquisa, no momento o foco deve ser a verificação de desempenho e a checagem de segurança. É preciso aguardar novos anúncios para saber até onde o acesso será ampliado.

Fontes: theverge.com, techcrunch.com

Análise

O que a corrida dos modelos de mundo significa

Os modelos de mundo são uma área em que as empresas estão investindo como o próximo palco depois das IAs que criam textos e imagens. Se a IA de geração de texto "cria palavras", o modelo de mundo "cria experiências com movimento e espaço". As aplicações vão de jogos e produção audiovisual a educação e simulações.

O ponto a observar neste anúncio é que a direção da evolução se concentra em três aspectos: mais longo, mais realista e operável. A mudança do Genie 3 para o Genie 4 aparece na extensão do tempo de geração, na adição de áudio e na alteração em tempo real por comandos de voz e texto. Pode-se resumir isso como um movimento que aproxima os mundos criados por IA de algo que se "assiste" para algo de que se "participa".

Por outro lado, permanece o desafio de saber até que ponto se pode confiar no mundo gerado. Com imagens e sons próximos da realidade, cresce também o risco de que as pessoas os confundam com algo verdadeiro. Limitar a divulgação a testadores confiáveis também serve para verificar esses pontos.

Para o Brasil, o interesse é grande: o país tem uma indústria de jogos em crescimento e um mercado audiovisual forte, e a chegada desse tipo de tecnologia aos estúdios de produção desperta atenção. No entanto, no momento trata-se de uma fase de pesquisa, e não foi indicado quando estará disponível como produto ou serviço. Os próximos pontos de debate serão a ampliação do acesso, a extensão do tempo de geração e a qualidade das experiências que combinam áudio e interação.

Fontes: theverge.com, techcrunch.com

Como interpretar o anúncio

Este anúncio não é o lançamento de um produto pronto, mas a apresentação de um modelo em fase de pesquisa a um público restrito. Essa abordagem parece ter o objetivo de exibir o desempenho e, ao mesmo tempo, detectar cedo usos inesperados e problemas.

Para o leitor, o importante é separar "o que ficou possível fazer" de "quando será possível usar". O Genie 4 mostrou capacidades como experiência de cerca de 2 minutos, áudio e alteração de instruções em tempo real, mas o prazo de disponibilização geral e as condições de uso não foram divulgados. Vale tratar o anúncio de capacidades e o início do serviço como eventos distintos.

Fontes: theverge.com, techcrunch.com

Por que os "modelos de mundo" chamam atenção

Só pelo nome, é difícil entender o que há de novo em um modelo de mundo. Até agora, a IA se concentrava em criar textos ou desenhar imagens. Em contrapartida, o modelo de mundo cria o próprio espaço com fluxo temporal. A diferença é que ele gera de uma vez uma experiência em que objetos se movem, sons acontecem e as cenas mudam conforme as instruções.

O que o Genie 4 mostrou neste anúncio é que esse modelo de mundo evoluiu de "amostra curta" para "experiência um pouco mais longa". A extensão de cerca de 1 minuto para cerca de 2 minutos não é apenas uma mudança numérica. Significa que agora é possível mostrar, de forma mais ou menos completa, do início ao fim dos acontecimentos. Para o leitor, é mais fácil entender que o mundo criado pela IA está passando de um quadro estático para uma experiência com fluxo.

O significado da forma de divulgação "prévia de pesquisa"

O Genie 4 não foi colocado à venda como produto, mas divulgado como prévia de pesquisa. Além disso, os primeiros a testá-lo são os "trusted testers", ou seja, apenas pessoas consideradas confiáveis. Essa forma pode ser vista como uma divulgação que mostra o potencial da tecnologia e, ao mesmo tempo, demonstra cautela.

Por que não abrir amplamente de uma vez? Uma das razões é que experiências que combinam imagens e sons próximos da realidade podem ter efeitos inesperados sobre a forma como as pessoas as recebem. Se mundos que se confundem com a realidade se tornarem fáceis de criar, aumenta o esforço necessário para verificar se uma informação é correta. Ao pedir que pessoas selecionadas testem primeiro, fica mais fácil encontrar esses problemas antes que cresçam.

Para o leitor, o significado é entender que essa tecnologia não estará "disponível para todos em breve". Prévia de pesquisa é também uma expressão que mostra que há uma grande distância entre o anúncio de capacidades e o início efetivo do uso.

A dificuldade de estender o tempo de geração

A extensão da experiência de cerca de 1 minuto para cerca de 2 minutos pode ser vista, sem rodeios, como um avanço. No entanto, quanto maior o tempo, mais a IA precisa manter por muito tempo um mundo sem contradições. Se a posição de um objeto mudar de repente no meio ou se o som e a imagem se desencontrarem, a experiência se rompe.

Ou seja, a extensão do tempo também é resultado de enfrentar uma dificuldade diferente da aparência realista. Diz-se que o Genie 4 também é compatível com áudio, mas manter imagem e som alinhados por muito tempo é considerado muito mais difícil do que criar uma amostra curta.

Esse ponto serve de referência para acompanhar os próximos anúncios. Quando houver notícia de que o tempo de geração aumentou ainda mais, vale olhar também para como a consistência do mundo é mantida ao longo desse tempo. Entramos em uma fase em que não basta o tamanho do número: a estabilidade do conteúdo também será questionada.

Perguntas

O Genie 4 está disponível para qualquer pessoa?

Não. O acesso inicial é destinado a "trusted testers", e apenas um público limitado pode testá-lo nesta fase.

O que o Genie 4 passou a fazer?

Segundo o Google, ele gera mundos mais realistas e também produz áudio. É possível alterar a experiência em tempo real com comandos em linguagem natural.

Qual é a duração da experiência gerada?

Segundo o Google, cerca de 2 minutos. A geração anterior, o Genie 3, tinha cerca de 1 minuto.

Fontes

• Google’s next Genie AI model generates more realistic experiences (theverge.com)
• Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering (techcrunch.com)