Google DeepMind tuo Genie 4 -maailmamallin saataville tutkimusennakkona

Google DeepMind julkisti Genie 4:n, uuden reaaliaikaiseen vuorovaikutteiseen simulointiin tarkoitetun maailmamallinsa, 27. lokakuuta 2026 ja julkaisi sen luotettujen testaajien kokeiltavaksi tutkimusennakkona.

Raia Hadsellin, Diego Rivasin ja Hang Qin kirjoittamassa julkistuksessa Genie 4:ää kuvataan natiivisti multimodaaliseksi malliksi, joka tuottaa samanaikaisesti musiikkia, ympäristön ääniä ja vuorovaikutteista dialogia simuloidun maailman rinnalla. DeepMindin mukaan malli ”mahdollistaa ennennäkemättömän realistisuuden ja parantaa reaaliaikaista vuorovaikutteista simulointia”. Se tarjoaa aiempaa fotorealistisemman kuvan, sulavan liikkeen ja sisäänrakennetun äänentuoton. Esittelyvideoiden äänet tuottaa suoraan malli.

Malli hyödyntää Gemini-perheen kyvykkyyksiä ja kehittää niitä edelleen. Gemini Omni ankkuroidaan simulaatiot todellisen maailman ulkonäköön ja käyttäytymiseen, kun taas muut Gemini-mallit tarjoavat monimutkaista päättelykykyä, jota tarvitaan simulaation johdonmukaisuuden ja jatkuvuuden ylläpitämiseen. Tämän perustan ansiosta käyttäjä voi käynnistää tapahtuman, minkä jälkeen Genie 4 simuloi, mitä seuraavaksi tapahtuu: miten maailma reagoi ja miltä se kuulostaa sekä miten sen ihmiset liikkuvat, reagoivat ja puhuvat.

DeepMind kuvaa maailman ymmärtämistä ja simulointia keskeiseksi osaksi yleisen tekoälyn (AGI) rakentamista. Yhtiön mukaan Genie 4 vie eteenpäin sen kykyä luoda turvallisia, loputtomasti muunneltavia simulaatioita, joita voidaan käyttää robottien ja agenttien koulutusympäristöinä sekä uusien vuorovaikutteisten kokemusten luomiseen.

Neljä kyvykkyysaluetta

DeepMindin esittelyt ovat tallenteita reaaliaikaisista vuorovaikutustilanteista, joissa käyttäjät liikkuvat maailmoissa tavallisilla näppäimistöohjaimilla ja kameralla sekä ohjaavat näkymää tekstikehotteilla sen kehittyessä. Ensimmäinen dokumentoitu kyvykkyys on reaaliaikainen ohjaus: käyttäjä voi muokata käynnissä olevaa simulaatiota luonnollisella kielellä esimerkiksi muuttamalla säätä, liikuttamalla kameraa tai tuomalla mukaan uuden henkilön tai esineen. Gemini mukauttaa kehotteen tilanteen mukaan ympäröivään näkymään sopivaksi. Syötteiden välillä Gemini myös seuraa ja ohjaa näkymää, jotta maailma kehittyy johdonmukaisesti.

Fysiikan ja ihmisen toiminnan osalta DeepMind kertoo Genie 4:n asettavan uuden realistisuuden tason reaaliaikaiselle vuorovaikutteiselle simuloinnille mallintamalla todellisen maailman fysiikan ilmiöitä, kuten aerodynamiikkaa ja törmäyksiä. Yhtiö kuvaa suurimmaksi edistysaskeleeksi ihmisten simulointia: hahmot liikkuvat luonnollisesti, reagoivat ympäristöönsä luontevasti ja niitä voidaan ohjata vuorovaikutteisesti reaaliajassa.

DeepMind kuvaa Genie 4:ää ensimmäiseksi reaaliaikaiseksi maailmamallikseen, joka tuottaa ääntä suoraan. Jokaisessa maailmassa kuuluu sen ympäristölle ominainen taustaääni aina puissa humisevasta tuulesta rannalla murtuviin aaltoihin. Malli tuo mukanaan myös vuorovaikutteisen dialogin, joka mukautuu lennossa: hahmot keskustelevat ja reagoivat käyttäjän syötteisiin tai maailman tapahtumiin reaaliajassa.

Monimutkaisissa, useita vaiheita sisältävissä tapahtumissa Gemini 3.8 Flash toimii prosessia ohjaavana agenttina. Kun Genie 4 luo maailmaa reaaliajassa, Gemini tarkkailee näkymää jatkuvasti, jakaa tavoitteet vaiheiksi ja tarkistaa saapuvat ruudut varmistaakseen, että kukin vaihe onnistui. Se mukauttaa suunnitelmaansa maailman muuttuessa tai käyttäjän puuttuessa tapahtumiin. DeepMindin mukaan tämä mahdollistaa maailmat, joissa syy-seuraussuhteet ovat luotettavia, toiminta etenee proseduraalisesti ja päättely kattaa useita vaiheita.

Yhtiö on kokeillut myös Gemini 4 Argonia ja Genie 4:ää yhdessä Gemini Roboticsin kanssa. Yhdessä dokumentoidussa esimerkissä Argon jakaa käyttäjän ohjeistaman tehtävän vaiheiksi, jotka näkyvät vuorotellen tekstityksinä simulaation renderöityessä. Järjestelmät simuloivat Apptronikin Apollo-humanoidia pelaamassa tammea, ja simulaatio mukautuu tehtävän edetessä kohti valmistumista.

Luotetut testaajat ja tuleva työ

DeepMind luonnehtii Genie 4:ää merkittäväksi tutkimusvirstanpylvääksi, vaikka malli on yhä varhaisessa vaiheessa ja kokeellinen. Yhtiö on tehnyt yhteistyötä luotettujen testaajien ryhmien kanssa luovilla aloilla, journalismissa, koulutuksessa, pelialalla ja tekniikan parissa. Yhtiön mukaan elokuvantekijät testaavat Genie 4:ää nopeana luonnostilana ennakkovisualisointiin ja ideointiin: he astuvat kohtauksen reaaliaikaiseen simulaatioon ja kokeilevat useita ottoja samalla, kun säätävät kuvakulmia, valaistusta, dialogia ja toimintaa. Valokuvajournalistit selvittävät, miten yhdestä 2D-arkistokuvasta voidaan luoda sekunneissa kyseiseen ympäristöön perustuva simulaatio. Tiimit puolestaan testaavat, miten asutetut, dynaamiset maailmat voivat auttaa yleisöä kokemaan historiallisia paikkoja tai havainnollistaa lyhytaikaisten ympäristötapahtumien, kuten äkkitulvien tai maastopalojen, etenemistä.

Pelinkehittäjät ja luovan alan teknologiakehittäjät testaavat, voivatko he edetä alkuideasta tutkittavaan prototyyppiin sekunneissa ja kokeilla luonnollisen kielen kehotteilla visuaalisia tyylejä, materiaalien estetiikkaa ja vuorovaikutteisia mekaniikkoja ennen pelimoottorin koodin kirjoittamista. Yrityskumppanit arvioivat Genie 4:ää työkaluna, jolla voidaan luoda nopeasti skenaarioita tyhjästä ensimmäiseen versioon, ja tunnistavat samalla puutteita, joihin DeepMind voisi tarttua vastatakseen paremmin simulointitarpeisiin.

Tulevaa kehitystä ajatellen DeepMind pitää hybridimaailmamalleja lupaavana etenemissuuntana: tällaisissa järjestelmissä yhdistyvät koodi- ja kielimallien looginen, jäsennelty päättely sekä pikselitason simulaation rikas aistihavaintoja kuvaava esitystapa. Tässä lähestymistavassa Gemini kartoittaa rakenteen ja suunnittelee taustalla tapahtumien aikajanan, kun taas Genie luo välittömän fyysisen todellisuuden ja esittää pikseli pikseliltä, miltä maailma näyttää, miltä se kuulostaa ja miten se reagoi.

Turvallisuus, rajoitukset ja saatavuus

DeepMindin mukaan Genie 4 sisältää tiukat turvarajat, jotka ovat yhdenmukaisia sen muihin malleihin sovellettavien turvallisuuskäytäntöjen kanssa. Yhtiö kertoo arvioineensa mallia sisäisissä turvallisuusarvioinneissa ennen esiversion julkaisua haitallisen tai vahingollisen sisällön tuottamisen estämiseksi. Yhtiön mukaan Genie 4 otettiin tarkoituksella ensin luotettavien testauskumppanien käyttöön varhaisen palautteen keräämiseksi. Kaikki Genie 4:n tuottamat videot ja äänet sisältävät SynthID:n, DeepMindin näkymättömän digitaalisen vesileimateknologian, jolla tunnistetaan tekoälyn tuottamaa sisältöä sekä visuaalisessa että äänimuodossa.

Rajoituksista DeepMind toteaa, että vaikka Genie 4 pystyy ylläpitämään yhtenäisiä ympäristöjä lyhyiden käyttöjaksojen ajan, visuaaliset yksityiskohdat ja objektien pysyvyys voivat silti muuttua tai ajautua ajan myötä. Näin voi käydä erityisesti simulaation jatkuessa pidempään, useiden monimutkaisten kehotemuokkausten jälkeen tai kohtauksessa liikuttaessa. Monimutkaiset fyysiset vuorovaikutukset, äänen tarkkuus reaaliajassa, luettavan tekstin tuottaminen, tilallinen tarkkuus ja pitkäaikainen johdonmukaisuus ovat edelleen aktiivisen tutkimuksen kohteita.

Genie 4 on Genie 3:n seuraaja. DeepMind julkisti Genie 3:n 5. elokuuta 2025 ja kuvaili sitä ensimmäiseksi maailmanmallikseen, joka mahdollisti reaaliaikaisen vuorovaikutuksen. Genie 3 loi dynaamisia maailmoja, joissa käyttäjät pystyivät navigoimaan 24 kuvaa sekunnissa. Maailmat säilyivät johdonmukaisina muutaman minuutin ajan 720p-tarkkuudella, ja malli julkaistiin rajattuna tutkimusennakkoversiona pienelle joukolle tutkijoita ja luovia tekijöitä.

DeepMindin mukaan Genie 4 tulee pian Google AI Ultra -tilaajien saataville Project Genien kautta sekä varhaisen käyttöoikeuden kumppaneille Gemini API:n ja Google AI Studion kautta. Project Genien Genie 4:n odotuslista on avoinna.