Google DeepMindのGenie 4は、動画生成ではなく「世界そのもの」を動かそうとしている
Google DeepMindが発表したGenie 4は、単なる映像生成モデルではない。目指しているのは、ユーザーが合図を与えると、その先に起こる出来事を世界ごと続けて描ける「world model」だ。しかも今回は、見た目だけでなく音や人の動き、会話まで一体で扱うところを前面に出してきた。AIがテキストや静止画を作る段階から、仮想空間の中で物理法則や状況の変化を保ちながら振る舞う段階へ進みつつある、という話として読むと分かりやすい。研究色は強いが、ロボット訓練や新しいインタラクティブ体験に波及する可能性があるので、見過ごしにくい発表でもある。 Google DeepMindは2026年10月27日、Genie 4を新しいworld modelとして発表した。狙いは、リアルタイムのインタラクティブなシミュレーションをこれまでより現実に近い形で動かすことだという。Genie 4はnatively multimodalで、世界の映像だけでなく、音楽のような音、環境音、そして対話まで同時に生成できる。DeepMindはこれを、単独のモデルというよりGeminiファミリーの能力を組み合わせたも
papoo.work