सार:
Google ने 27 अक्टूबर को कृत्रिम बुद्धिमत्ता विश्व मॉडल की एक नई पीढ़ी जिनी 4 जारी की, जो एआई-जनित इंटरैक्टिव वातावरण के यथार्थवाद को और बेहतर बनाता है और वास्तविक समय में दृश्यों को संशोधित करने और स्वचालित रूप से ऑडियो उत्पन्न करने की क्षमता जोड़ता है। पारंपरिक छवि निर्माण मॉडल के विपरीत, जो मुख्य रूप से स्थिर चित्र या वीडियो आउटपुट करते हैं, जिनी 4 एक आभासी दुनिया बना सकता है जिसमें उपयोगकर्ता भाग ले सकते हैं और बातचीत कर सकते हैं। संबंधित प्रौद्योगिकियों को खेल विकास, फिल्म और टेलीविजन उत्पादन और रोबोट प्रशिक्षण जैसे क्षेत्रों में लागू किए जाने की उम्मीद है।
जिनी 4 इस बार मुख्य रूप से चार अपग्रेड लाता है: एक अधिक यथार्थवादी आभासी वातावरण उत्पन्न करना, उपयोगकर्ताओं को प्राकृतिक भाषा संकेतों के माध्यम से वास्तविक समय में दृश्य बदलने की अनुमति देना, स्वचालित रूप से उत्पन्न दुनिया में ऑडियो जोड़ना, और सिमुलेशन प्रक्रिया में सहायता के लिए Google जेमिनी 3.8 फ्लैश मॉडल का उपयोग करना। इसके अलावा, नया मॉडल लगभग दो मिनट तक का इंटरैक्टिव अनुभव उत्पन्न कर सकता है, जो पिछली पीढ़ी जिनी 3 द्वारा समर्थित लंबाई से दोगुना है।
विश्व मॉडल हाल के वर्षों में कृत्रिम बुद्धिमत्ता अनुसंधान की महत्वपूर्ण दिशाओं में से एक है। पारंपरिक जेनरेटर एआई आमतौर पर टेक्स्ट संकेतों के आधार पर छवियां, वीडियो या अन्य सामग्री उत्पन्न करता है, जबकि विश्व मॉडल एक कदम आगे बढ़ते हैं और पर्यावरण में स्थानिक संबंधों, वस्तुओं के आंदोलन पैटर्न और कार्यों और परिणामों के बीच संबंध सीखने की कोशिश करते हैं। मॉडल द्वारा उत्पन्न सामग्री अब केवल उपयोगकर्ताओं के देखने के लिए नहीं है, बल्कि उपयोगकर्ता के संचालन के साथ बदलती रह सकती है।
उदाहरण के लिए, एआई द्वारा उत्पन्न आभासी वातावरण में, उपयोगकर्ता चरित्र को स्थानांतरित करने, देखने की दिशा बदलने या दृश्य में वस्तुओं के साथ बातचीत करने के लिए नियंत्रित कर सकते हैं। मॉडल को इन परिचालनों के आधार पर लगातार बाद की छवियां उत्पन्न करने और यथासंभव पर्यावरण की सुसंगतता बनाए रखने की आवश्यकता है। ऐसी क्षमताओं का खेल, रोबोट सिमुलेशन और जटिल वातावरण में प्रशिक्षण के लिए संभावित महत्व है।
जिनी 4 का एक महत्वपूर्ण सुधार यह है कि उपयोगकर्ता अनुभव के दौरान प्राकृतिक भाषा निर्देशों के माध्यम से आभासी दुनिया को संशोधित कर सकते हैं। वर्तमान दृश्य से बाहर निकलने, शीघ्र शब्दों को फिर से लिखने और उन्हें स्क्रैच से उत्पन्न करने के बजाय, उपयोगकर्ता सीधे मॉडल से दृश्य डिजाइन को जल्दी से समायोजित करने के लिए वातावरण में कुछ तत्वों को बदलने के लिए कह सकते हैं।
यह सुविधा विशेष रूप से गेम डेवलपर्स और फिल्म और टेलीविजन उत्पादन टीमों के लिए उपयोगी हो सकती है। आधिकारिक तौर पर उत्पादन में बहुत सारे संसाधनों का निवेश करने से पहले, निर्माता प्रारंभिक दृश्य प्रोटोटाइप तैयार करने के लिए एआई का उपयोग कर सकते हैं, विभिन्न पर्यावरण लेआउट, दृश्य शैलियों और इंटरैक्शन विधियों को आज़मा सकते हैं, और फिर तय कर सकते हैं कि कौन से समाधान आगे के विकास के योग्य हैं।
फिल्म निर्माण के लिए इस प्रकार की तकनीक का उपयोग प्री-विज़ुअल पूर्वावलोकन में भी किया जा सकता है। प्रोडक्शन टीमें तुरंत वास्तविक सेट बनाने या जटिल 3डी संपत्ति बनाने की आवश्यकता के बिना कैमरा मूवमेंट, चरित्र पथ और पर्यावरणीय प्रभावों का पता लगाने के लिए तुरंत वर्चुअल सेट बना सकती हैं।
जिनी 4 ऑडियो जेनरेशन क्षमताएं भी जोड़ता है। जबकि पिछले विश्व मॉडल मुख्य रूप से दृश्य वातावरण और इंटरैक्शन प्रक्रियाओं पर ध्यान केंद्रित करते थे, नया मॉडल उत्पन्न दृश्यों में ध्वनि जोड़ सकता है, जिससे आभासी अनुभव अधिक संपूर्ण हो जाता है। ऑडियो पर्यावरण के वातावरण का अनुकरण करने में मदद कर सकता है और गेम प्रोटोटाइप के लिए प्रारंभिक ध्वनि प्रभाव भी प्रदान कर सकता है।
हालाँकि, स्वचालित रूप से ऑडियो उत्पन्न करने का मतलब यह नहीं है कि मॉडल पूरी तरह से पेशेवर ध्वनि प्रभाव उत्पादन को प्रतिस्थापित कर सकता है। उन परियोजनाओं के लिए जिनमें लय, स्थानिक स्थिति, चरित्र संवाद और ध्वनि और क्रिया के बीच समकालिक संबंध के सटीक नियंत्रण की आवश्यकता होती है, आगे मैन्युअल समायोजन और पेशेवर उपकरण समर्थन की अभी भी आवश्यकता है।
Google ने यह भी कहा कि जिनी 4 का उपयोग रोबोट प्रशिक्षण परिदृश्य बनाने के लिए किया जा सकता है। रोबोट वास्तविक दुनिया में क्रियाओं को सीखते और परखते हैं, जिसमें अक्सर उपकरण की लागत, साइट की बाधाएं और संभावित सुरक्षा जोखिम शामिल होते हैं। यदि एक विश्व मॉडल से एक इंटरैक्टिव सिम्युलेटेड वातावरण उत्पन्न किया जा सकता है, तो शोधकर्ता परीक्षण कर सकते हैं कि रोबोट कैसे चलते हैं, वस्तुओं को पकड़ते हैं और आभासी दृश्यों में विभिन्न पर्यावरणीय परिस्थितियों पर प्रतिक्रिया करते हैं।
इस प्रकार की सिमुलेशन क्षमता की कुंजी न केवल आभासी दृश्य को यथार्थवादी बनाना है, बल्कि वस्तुओं के स्थानिक संबंधों, गति पैटर्न और कार्रवाई परिणामों को यथासंभव सटीक रूप से प्रस्तुत करना भी है। केवल जब सिम्युलेटेड वातावरण वास्तविक दुनिया में भौतिक बाधाओं को अधिक विश्वसनीय रूप से प्रतिबिंबित कर सकता है, तो आभासी वातावरण में रोबोट द्वारा सीखी गई रणनीतियों को वास्तविक डिवाइस में स्थानांतरित किए जाने की अधिक संभावना होती है।
तकनीकी वास्तुकला के संदर्भ में, जिनी 4 सिमुलेशन प्रक्रिया में सहायता के लिए जेमिनी 3.8 फ्लैश का उपयोग करता है। Google को उम्मीद है कि इस मॉडल की क्षमताओं का उपयोग उत्पन्न वातावरण में तार्किक सुसंगतता और इंटरैक्टिव प्रदर्शन को बेहतर बनाने के लिए किया जाएगा। हालाँकि, कंपनी ने इस रिपोर्ट में पर्याप्त विस्तृत तकनीकी संकेतकों का खुलासा नहीं किया है, इसलिए पिछली पीढ़ी के मॉडल की तुलना में इसके समग्र प्रदर्शन सुधार को सटीक रूप से मापना अभी संभव नहीं है।
लंबा निर्माण समय भी इस अपडेट में एक महत्वपूर्ण बदलाव है। जिनी 3 ने इंटरैक्टिव अनुभव उत्पन्न किया जो लगभग एक मिनट तक चला, जबकि जिनी 4 ने इस समय को लगभग दो मिनट तक बढ़ा दिया। जबकि पूर्ण गेम या जटिल सिमुलेशन के लिए दो मिनट अभी भी काफी सीमित हैं, यह पहले से ही तेजी से प्रोटोटाइप और लघु इंटरैक्टिव अनुभवों के लिए अन्वेषण के लिए अधिक जगह प्रदान करता है।
साथ ही, Google ने यह भी स्वीकार किया कि जैसे-जैसे सिमुलेशन की अवधि बढ़ाई जाती है, आभासी वातावरण में विसंगतियां अभी भी हो सकती हैं। उदाहरण के लिए, किसी दृश्य में विवरण धीरे-धीरे बदल सकते हैं, और कुछ वस्तुएं हमेशा अपनी मूल स्थिति और स्थिति को बनाए नहीं रख सकती हैं। इसमें विश्व मॉडल के साथ एक मुख्य कठिनाई शामिल है: मॉडल को न केवल एक अगला फ्रेम तैयार करने की आवश्यकता है जो उचित लगे, बल्कि उसे लंबे समय तक एक स्थिर, निरंतर वातावरण भी बनाए रखना होगा।
यदि उपयोगकर्ता के दृश्य छोड़ने के बाद कोई वस्तु गायब हो जाती है, या दृश्य में दोबारा प्रवेश करते समय अचानक स्थिति बदल जाती है, तो पूरा अनुभव अविश्वसनीय दिखाई देगा, भले ही छवि स्वयं पर्याप्त यथार्थवादी हो। इसलिए, वस्तु दृढ़ता, स्थानिक स्मृति और दीर्घकालिक राज्य स्थिरता अभी भी प्रमुख क्षमताएं हैं जिन्हें विश्व मॉडल में सुधार जारी रखने की आवश्यकता है।
रिलीज़ शेड्यूल के संदर्भ में, जिनी 4 वर्तमान में एक शोध पूर्वावलोकन के रूप में चयनित परीक्षकों के लिए खुला है। Google ने कहा कि इसे भविष्य में Google AI Ultra ग्राहकों के लिए लॉन्च किया जाएगा और उपयोगकर्ताओं को प्रोजेक्ट जिनी के माध्यम से नए मॉडल का अनुभव करने के लिए आवेदन करने की अनुमति देने के लिए एक प्रतीक्षा सूची खोली है।
वर्तमान में स्वतंत्र रूप से यह अनुमान लगाना असंभव है कि नए मॉडल ने पिछली पीढ़ी के जिनी 3 की तुलना में कितनी प्रगति की है। इस स्तर पर सार्वजनिक प्रदर्शन मुख्य रूप से Google अधिकारियों से आते हैं। वास्तविक उपयोगकर्ता अनुभव, दीर्घकालिक इंटरैक्शन प्रदर्शन और जटिल परिदृश्यों में मॉडल की स्थिरता को अभी भी बाद के परीक्षणों द्वारा सत्यापित करने की आवश्यकता है।
उद्योग विकास दिशा के परिप्रेक्ष्य से, जिनी 4 दर्शाता है कि जेनेरिक कृत्रिम बुद्धिमत्ता सामग्री निर्माण से लेकर पर्यावरण सिमुलेशन और इंटरैक्टिव अनुभव तक विस्तारित हो रही है। भविष्य के AI सिस्टम न केवल संकेत के आधार पर एक चित्र या वीडियो उत्पन्न कर सकते हैं, बल्कि सीधे एक वर्चुअल स्पेस भी बना सकते हैं जिसे खोजा, संशोधित और इंटरैक्ट किया जा सकता है।
हालाँकि, इस तकनीक को वास्तव में खेल विकास, रोबोट प्रशिक्षण, या फिल्म और टेलीविजन उत्पादन में एक व्यावहारिक उपकरण बनने के लिए, दीर्घकालिक स्थिरता, भौतिक सिमुलेशन सटीकता, इंटरैक्टिव प्रतिक्रिया गति और उत्पादन लागत जैसे मुद्दों को अभी भी हल करने की आवश्यकता है। जिनी 4 वर्तमान में एक परिपक्व उत्पाद के बजाय इस दिशा में एक महत्वपूर्ण प्रायोगिक प्रगति की तरह है जो पारंपरिक गेम इंजन या पेशेवर 3डी उत्पादन टूल की जगह ले सकता है।
प्रोजेक्ट जिनी में जिनी 4 एक्सेस का अनुरोध करें:
https://docs.google.com/forms/d/e/1FAIpQLSeD73fWVFVUXII27wIaSjdCZCesuGEb5-iZaBSTUpjkX98S0g/viewform?usp=send_form
टिप्पणियाँ