Che cosa cambia rispetto al passato
Google DeepMind ha annunciato il 27 ottobre Genie 4, un modello capace di generare in tempo reale mondi virtuali interattivi. Secondo quanto riportato da ITmedia AI+, il sistema succede a Genie 3 e punta a migliorare la resa visiva e la simulazione fisica: l'utente può muoversi nello spazio e agire sull'ambiente, ottenendo una risposta generata sul momento anziché un video preregistrato. La differenza rispetto ai comuni generatori video è proprio questa: Genie non riproduce un filmato già pronto, ma costruisce il mondo mentre viene esplorato.
L'aggiornamento più visibile riguarda l'audio. Genie 4 genera in modo nativo rumori ambientali come vento e onde, ma anche musica e conversazioni dei personaggi, che reagiscono alle situazioni e agli input dell'utente. Inoltre è possibile modificare il mondo con istruzioni in linguaggio naturale: cambiare il meteo, inserire persone o oggetti, spostare la camera. DeepMind sostiene di poter simulare fenomeni come l'aerodinamica e le collisioni, e indica nella rappresentazione delle persone il salto principale, con figure che si muovono in modo naturale e rispondono all'ambiente.
Integrazione con Gemini e applicazioni previste
Il modello si appoggia alla famiglia Gemini. Secondo la fonte, Gemini Omni contribuisce all'aspetto e ai comportamenti coerenti con il mondo reale, Gemini 3.8 Flash controlla le scene in generazione e pianifica azioni articolate, mentre con Gemini 4 Argon sono in corso esperimenti per simulare robot impegnati in compiti complessi. Si tratta di dichiarazioni dell'azienda, non di risultati verificati in modo indipendente.
Le applicazioni immaginate spaziano dal cinema ai videogiochi, dalla formazione alla robotica passando per l'addestramento di agenti AI. La distribuzione seguirà più canali: prima una research preview per tester selezionati, poi l'accesso per gli abbonati a Google AI Ultra tramite Project Genie e per i partner early access attraverso Gemini API e Google AI Studio. È aperta una waitlist per Project Genie. I contenuti generati, video e audio, conterranno il watermark SynthID per segnalare l'origine artificiale.
Cosa resta da verificare
DeepMind stessa ammette i limiti attuali. L'interazione continua dura solo pochi minuti e, nelle sessioni prolungate, oggetti e ambienti possono perdere coerenza di aspetto e posizione. Restano criticità anche nelle interazioni fisiche complesse e nell'accuratezza dell'audio. Non sono indicati tempi certi per l'apertura al pubblico né metriche di qualità misurabili. Il quadro che emerge è quindi quello di una tecnologia promettente ma ancora sperimentale, il cui impatto dipenderà dalla capacità di superare questi vincoli e dalla disponibilità effettiva dei diversi canali di accesso annunciati.
