Google DeepMind เปิดตัว Genie 4 โมเดลจำลองโลกในรูปแบบพรีวิวเพื่อการวิจัย

เมื่อวันที่ 27 ตุลาคม 2026 Google DeepMind ประกาศเปิดตัว Genie 4 โมเดลโลกตัวใหม่สำหรับการจำลองแบบโต้ตอบเรียลไทม์ โดยเปิดให้ผู้ทดสอบที่ได้รับความไว้วางใจทดลองใช้ในรูปแบบพรีวิวเพื่อการวิจัย

ประกาศซึ่งเขียนโดย Raia Hadsell, Diego Rivas และ Hang Qi ระบุว่า Genie 4 รองรับหลายรูปแบบโดยกำเนิด โดยสร้างดนตรี เสียงบรรยากาศ และบทสนทนาแบบโต้ตอบขึ้นพร้อมกันไปกับโลกจำลอง DeepMind ระบุว่าโมเดลนี้ “ปลดล็อกความสมจริงในระดับที่ไม่เคยมีมาก่อน และยกระดับการจำลองแบบโต้ตอบเรียลไทม์” พร้อมมอบภาพที่สมจริงยิ่งขึ้น การเคลื่อนไหวที่ลื่นไหล และเสียงที่สร้างขึ้นโดยกำเนิด โดยเสียงประกอบในการสาธิตก็สร้างขึ้นโดยตรงจากโมเดล

โมเดลนี้นำความสามารถจากตระกูล Gemini มาผสานและต่อยอด Gemini Omni ช่วยให้การจำลองมีรูปลักษณ์และพฤติกรรมที่สอดคล้องกับโลกจริง ขณะที่โมเดล Gemini อื่น ๆ ให้ความสามารถในการใช้เหตุผลที่ซับซ้อน ซึ่งจำเป็นต่อการช่วยรักษาความสอดคล้องและความต่อเนื่องของการจำลอง ด้วยพื้นฐานดังกล่าว ผู้ใช้สามารถเริ่มเหตุการณ์หนึ่งขึ้นมา แล้ว Genie 4 จะจำลองสิ่งที่เกิดขึ้นต่อไป ทั้งการตอบสนองของโลก เสียงที่เกิดขึ้น และการเคลื่อนไหว ปฏิกิริยา และคำพูดของผู้คนในโลกนั้น

DeepMind อธิบายว่าการทำความเข้าใจและจำลองโลกเป็นองค์ประกอบสำคัญในการพัฒนา AGI บริษัทระบุว่า Genie 4 ช่วยยกระดับความสามารถในการสร้างการจำลองที่ปลอดภัยและปรับเปลี่ยนได้อย่างไร้ขีดจำกัด ซึ่งรองรับได้ทั้งสภาพแวดล้อมสำหรับฝึกหุ่นยนต์และเอเจนต์ ตลอดจนการสร้างประสบการณ์โต้ตอบรูปแบบใหม่

ความสามารถ 4 ด้าน

การสาธิตของ DeepMind เป็นบันทึกการโต้ตอบแบบเรียลไทม์ ซึ่งผู้ใช้ควบคุมทิศทางในโลกต่าง ๆ ด้วยแป้นพิมพ์มาตรฐานและกล้อง พร้อมกำกับฉากที่เปลี่ยนแปลงไปด้วยข้อความแจ้ง หนึ่งในความสามารถที่มีการบันทึกไว้คือการควบคุมแบบเรียลไทม์ ผู้ใช้สามารถปรับเปลี่ยนการจำลองที่กำลังทำงานอยู่ด้วยภาษาธรรมชาติ เช่น เปลี่ยนสภาพอากาศ ขยับกล้อง หรือเพิ่มบุคคลหรือวัตถุใหม่ โดย Gemini จะปรับข้อความแจ้งให้เข้ากับฉากแวดล้อมตามบริบท นอกจากนี้ ระหว่างที่ผู้ใช้ไม่ได้ส่งคำสั่ง Gemini ยังเฝ้าสังเกตและกำกับฉาก เพื่อให้โลกดำเนินต่อไปอย่างต่อเนื่องและสอดคล้องกัน

ในด้านฟิสิกส์และการกระทำของมนุษย์ DeepMind ระบุว่า Genie 4 ยกระดับมาตรฐานความสมจริงของการจำลองแบบโต้ตอบเรียลไทม์ ด้วยการจำลองสถานการณ์ทางฟิสิกส์ในโลกจริง เช่น อากาศพลศาสตร์และการชน บริษัทระบุว่าความก้าวหน้าครั้งสำคัญที่สุดอยู่ที่การจำลองผู้คน โดยตัวละครเคลื่อนไหวอย่างเป็นธรรมชาติ ตอบสนองต่อสภาพแวดล้อมได้อย่างเป็นธรรมชาติ และสามารถควบคุมทิศทางแบบโต้ตอบได้ในเรียลไทม์

DeepMind ระบุว่า Genie 4 เป็นโมเดลโลกแบบเรียลไทม์ตัวแรกของบริษัทที่สร้างเสียงได้โดยกำเนิด โลกแต่ละแห่งมีเสียงบรรยากาศเฉพาะของสถานที่นั้น ตั้งแต่เสียงลมพัดผ่านต้นไม้ไปจนถึงเสียงคลื่นซัดชายหาด โมเดลนี้ยังเพิ่มบทสนทนาแบบโต้ตอบที่ปรับเปลี่ยนได้ทันที โดยตัวละครสนทนาและตอบสนองต่อคำสั่งของผู้ใช้หรือเหตุการณ์ในโลกได้แบบเรียลไทม์

สำหรับเหตุการณ์ที่ซับซ้อนและมีหลายขั้นตอน Gemini 3.8 Flash ทำหน้าที่เป็นเอเจนต์คอยชี้นำในวงจรการทำงาน ขณะที่ Genie 4 สร้างโลกแบบเรียลไทม์ Gemini จะสังเกตฉากอย่างต่อเนื่อง แบ่งเป้าหมายออกเป็นลำดับขั้นตอน และตรวจสอบเฟรมภาพที่ได้รับเข้ามาเพื่อยืนยันว่าแต่ละขั้นตอนสำเร็จ พร้อมปรับแผนเมื่อโลกเปลี่ยนแปลงหรือผู้ใช้เข้ามาแทรกแซง DeepMind ระบุว่าความสามารถนี้ช่วยให้สร้างโลกที่มีเหตุและผลเชื่อถือได้ พฤติกรรมที่เกิดขึ้นตามกระบวนการ และการใช้เหตุผลหลายขั้นตอน

บริษัทยังทดลองใช้ Gemini 4 Argon และ Genie 4 ร่วมกับ Gemini Robotics ด้วย ตัวอย่างหนึ่งที่มีการบันทึกไว้แสดงให้เห็นว่า Argon แบ่งงานตามคำสั่งของผู้ใช้ออกเป็นขั้นตอนต่าง ๆ ซึ่งปรากฏสลับเป็นคำบรรยายข้อความขณะที่ระบบเรนเดอร์การจำลอง จากนั้นระบบทั้งสองจำลองหุ่นยนต์ฮิวแมนนอยด์ Apollo ของ Apptronik ขณะเล่นเกมหมากฮอส โดยการจำลองจะปรับเปลี่ยนไปตามความคืบหน้าของงานจนเสร็จสิ้น

ผู้ทดสอบที่ได้รับความไว้วางใจและงานในอนาคต

DeepMind มองว่า Genie 4 เป็นหมุดหมายสำคัญของงานวิจัย แต่ยังคงเป็นโมเดลระยะเริ่มต้นที่อยู่ระหว่างการทดลอง โดยบริษัทได้ทำงานร่วมกับกลุ่มผู้ทดสอบที่ได้รับความไว้วางใจจากหลากหลายแวดวง ได้แก่ อุตสาหกรรมสร้างสรรค์ วารสารศาสตร์ การศึกษา เกม และวิศวกรรม บริษัทระบุว่าผู้สร้างภาพยนตร์กำลังทดสอบ Genie 4 ในฐานะ “โหมดร่าง” ที่รวดเร็วสำหรับการวางภาพล่วงหน้าและการคิดไอเดีย โดยเข้าไปในฉากจำลองแบบสดและถ่ายทำหลายเทกได้แบบเรียลไทม์ พร้อมปรับมุมกล้อง แสง บทสนทนา และการกระทำ ผู้สื่อข่าวภาพกำลังสำรวจว่าภาพถ่ายเก็บถาวรแบบ 2 มิติเพียงภาพเดียวจะกลายเป็นการจำลองสภาพแวดล้อมนั้นที่อิงกับสถานที่จริงได้ภายในไม่กี่วินาทีอย่างไร ขณะเดียวกัน ทีมต่าง ๆ กำลังทดสอบว่าโลกที่มีผู้คนอาศัยอยู่และเปลี่ยนแปลงอยู่เสมอจะช่วยให้ผู้ชมสัมผัสสถานที่ทางประวัติศาสตร์ หรือเห็นภาพการเกิดขึ้นของเหตุการณ์ด้านสิ่งแวดล้อมระยะสั้น เช่น น้ำท่วมฉับพลันหรือไฟป่า ได้อย่างไร

นักพัฒนาเกมและนักเทคโนโลยีสร้างสรรค์กำลังทดสอบว่าสามารถต่อยอดจากแนวคิดตั้งต้นไปสู่ต้นแบบที่สำรวจได้ภายในไม่กี่วินาทีหรือไม่ โดยทดลองรูปแบบภาพ สุนทรียภาพของวัสดุ และกลไกการโต้ตอบผ่านข้อความแจ้งภาษาธรรมชาติ ก่อนเขียนโค้ดของเอนจิน ส่วนพันธมิตรในภาคธุรกิจกำลังประเมิน Genie 4 ในฐานะเครื่องมือสำหรับสร้างสถานการณ์ตั้งแต่เริ่มต้นอย่างรวดเร็ว และระบุช่องว่างที่ DeepMind อาจแก้ไขได้ เพื่อให้ตอบโจทย์ความต้องการด้านการจำลองได้ดียิ่งขึ้น

เมื่อมองไปข้างหน้า DeepMind ระบุว่าโมเดลโลกแบบไฮบริดเป็นแนวทางที่มีศักยภาพสำหรับการพัฒนาในอนาคต โดยเป็นระบบที่ผสานการให้เหตุผลอย่างมีตรรกะและเป็นโครงสร้างของโค้ดกับโมเดลภาษา เข้ากับการนำเสนอข้อมูลเชิงประสาทสัมผัสอย่างละเอียดของการจำลองในระดับพิกเซล ในแนวทางนี้ Gemini จะทำหน้าที่วางโครงสร้างและวางแผนลำดับเรื่องราวเบื้องหลัง ขณะที่ Genie สร้างความเป็นจริงทางกายภาพที่เกิดขึ้นตรงหน้า โดยเรนเดอร์รูปลักษณ์ เสียง และการตอบสนองของโลกในระดับพิกเซล

ความปลอดภัย ข้อจำกัด และการเปิดให้ใช้งาน

DeepMind ระบุว่า Genie 4 มีมาตรการป้องกันด้านความปลอดภัยที่เข้มงวด ซึ่งสอดคล้องกับนโยบายความปลอดภัยที่ใช้กับโมเดลอื่น ๆ ของบริษัท และบริษัทได้ประเมินโมเดลผ่านการทดสอบความปลอดภัยภายในก่อนเปิดให้ทดลองใช้ เพื่อป้องกันการสร้างเนื้อหาที่เป็นอันตรายหรือมุ่งร้าย บริษัทระบุว่าตั้งใจเปิดให้พาร์ตเนอร์ผู้ทดสอบที่ไว้วางใจได้ทดลองใช้ Genie 4 ก่อน เพื่อรวบรวมความคิดเห็นในระยะแรก วิดีโอและเสียงทั้งหมดที่สร้างโดย Genie 4 จะมี SynthID ซึ่งเป็นเทคโนโลยีลายน้ำดิจิทัลที่มองไม่เห็นของ DeepMind สำหรับระบุเนื้อหาที่สร้างด้วย AI ทั้งในสื่อภาพและเสียง

ในด้านข้อจำกัด DeepMind ระบุว่า แม้ Genie 4 จะรักษาสภาพแวดล้อมให้สอดคล้องต่อเนื่องได้ในเซสชันสั้น ๆ แต่รายละเอียดภาพและความคงอยู่ของวัตถุอาจเปลี่ยนแปลงหรือคลาดเคลื่อนไปตามเวลา โดยเฉพาะเมื่อการจำลองดำเนินไปนานขึ้น หลังจากแก้ไขพรอมป์ต์ที่ซับซ้อนหลายครั้ง หรือเมื่อนำทางไปทั่วทั้งฉาก ปฏิสัมพันธ์ทางกายภาพที่ซับซ้อน ความแม่นยำของเสียงแบบเรียลไทม์ การเรนเดอร์ข้อความให้อ่านออก ความแม่นยำเชิงพื้นที่ และความสอดคล้องต่อเนื่องในระยะยาว ยังคงเป็นประเด็นที่อยู่ระหว่างการวิจัยอย่างต่อเนื่อง

Genie 4 เป็นรุ่นต่อจาก Genie 3 ซึ่ง DeepMind ประกาศเมื่อวันที่ 5 สิงหาคม 2025 และอธิบายว่าเป็นโมเดลโลกตัวแรกของบริษัทที่เปิดให้โต้ตอบได้แบบเรียลไทม์ Genie 3 สร้างโลกแบบไดนามิกที่ผู้ใช้สามารถสำรวจได้ด้วยความเร็ว 24 เฟรมต่อวินาที โดยรักษาความสอดคล้องต่อเนื่องได้ไม่กี่นาทีที่ความละเอียด 720p และเปิดให้ทดลองใช้ในรูปแบบตัวอย่างงานวิจัยแบบจำกัดแก่กลุ่มนักวิชาการและครีเอเตอร์จำนวนเล็กน้อย

DeepMind ระบุว่า Genie 4 จะเปิดให้สมาชิก Google AI Ultra ใช้งานผ่าน Project Genie และเปิดให้พาร์ตเนอร์กลุ่มทดลองใช้ก่อนเข้าถึงผ่าน Gemini API และ Google AI Studio ในเร็ว ๆ นี้ โดยขณะนี้เปิดให้ลงชื่อรอใช้งาน Genie 4 ใน Project Genie แล้ว