ที่ผ่านมา Generative AI ช่วยให้เราสร้างภาพ เสียง และวิดีโอจาก Prompt ได้แบบง่ายๆแล้ว แต่ล่าสุด Google DeepMind กำลังพาเทคโนโลยีนี้ไปอีกขั้น ด้วยการเปิดตัว “Genie 4” เมื่อวันที่ 27 ตุลาคมที่ผ่านมา เป็นโมเดล AI ที่สามารถสร้างโลกเสมือนซึ่งมีหลักฟิสิกส์เหมือนโลกเราจริงๆ และผู้ใช้งานสามารถเข้าไปสำรวจและเปลี่ยนแปลงเหตุการณ์ได้แบบเรียลไทม์ด้วย
Google เรียกเทคโนโลยีประเภทนี้ว่า World Model หรือโมเดลที่เรียนรู้ว่าการกระทำต่าง ๆ ส่งผลต่อสภาพแวดล้อมอย่างไร เมื่อเราสั่งให้ฝนตก เพิ่มตัวละคร เปลี่ยนมุมกล้อง หรือทำให้เกิดเหตุการณ์ใหม่ Genie 4 จะสร้างสิ่งที่เกิดขึ้นต่อจากนั้น ทั้งภาพ การเคลื่อนไหว เสียง และการตอบสนองของตัวละคร
สร้างโลกที่เปลี่ยนไปตามการกระทำของเรา
ความแตกต่างสำคัญระหว่าง Genie 4 กับวิดีโอที่สร้างด้วย AI อยู่ที่ “การปฏิสัมพันธ์”
วิดีโอทั่วไปจะเล่นไปตามลำดับภาพที่สร้างไว้ ขณะที่โลกของ Genie 4 เปลี่ยนแปลงตามทิศทางการเดิน การควบคุมกล้อง และคำสั่งใหม่ที่ผู้ใช้เพิ่มเข้ามาระหว่างทาง เราจึงสามารถเดินสำรวจฉาก เปลี่ยนสภาพอากาศ เพิ่มคนหรือวัตถุ และกำหนดเหตุการณ์ใหม่ได้โดยไม่ต้องเริ่มสร้างทั้งหมดใหม่ตั้งแต่ต้น
โมเดลยังจำลองฟิสิกส์และการเคลื่อนไหวของวัตถุ เช่น น้ำที่ไหล ต้นไม้ที่ไหวตามลม และการชนกัน รวมถึงสร้างตัวละครที่เคลื่อนไหว พูดคุย และตอบสนองต่อเหตุการณ์รอบตัวได้เป็นธรรมชาติมากขึ้น
อีกความสามารถที่เพิ่มเข้ามาคือ Native Audio ซึ่งสร้างเสียงไปพร้อมกับโลกเสมือน ตั้งแต่เสียงลม เสียงฝีเท้า เสียงดนตรี ไปจนถึงบทสนทนาที่ปรับเปลี่ยนตามเหตุการณ์แบบเรียลไทม์
Gemini ช่วยวางแผน ส่วน Genie 4 สร้างโลก
เบื้องหลังการทำงาน Google นำโมเดลในตระกูล Gemini มาช่วยรักษาความต่อเนื่องของเหตุการณ์
ตัวอย่างหนึ่งคือ Gemini 3.8 Flash ที่ทำหน้าที่สังเกตฉาก แบ่งเป้าหมายออกเป็นขั้นตอน และตรวจสอบว่าแต่ละขั้นเกิดขึ้นสำเร็จหรือไม่ เมื่อผู้ใช้เปลี่ยนคำสั่งหรือสถานการณ์ภายในโลกเปลี่ยนไป Gemini จะปรับแผนตาม ส่วน Genie 4 ทำหน้าที่สร้างภาพ เสียง การเคลื่อนไหว และผลลัพธ์ที่เกิดขึ้นภายในสภาพแวดล้อมนั้น
การทำงานร่วมกันลักษณะนี้ทำให้ World Model มีบทบาทมากกว่าเครื่องมือสร้างคอนเทนต์ เพราะสามารถกลายเป็นสนามจำลองให้ AI Agent และหุ่นยนต์ทดลองทำงาน ก่อนนำไปปฏิบัติในโลกจริง
Google กำลังทดลองใช้ Genie 4 ร่วมกับ Gemini Robotics และ Gemini 4 Argon เพื่อจำลองงานที่มีหลายขั้นตอน เช่น ให้ AI วางแผนการทำงานของหุ่นยนต์ แล้วส่งคำสั่งให้ Genie 4 สร้างสถานการณ์และผลลัพธ์ตามแผนนั้น
ธุรกิจ Creative เริ่มใช้เป็นพื้นที่ทดลองไอเดีย
กลุ่ม Trusted Testers ในอุตสาหกรรม Creative เริ่มทดลองใช้ Genie 4 เป็น Draft Mode สำหรับสร้างภาพจำลองก่อนผลิตงานจริง เช่น ทดลองมุมกล้อง เปลี่ยนแสง ปรับบทสนทนา หรือดูว่าตัวละครจะเคลื่อนไหวอย่างไรในแต่ละฉาก
ตัวอย่าง Project Genie: การนำภาพต้นแบบมาใช้สร้างโลกเสมือนที่สำรวจได้ วิดีโอโดย Google DeepMind (สาธิตเวอร์ชันก่อนหน้า Genie 4)
นักพัฒนาเกมสามารถเปลี่ยนไอเดียให้กลายเป็นโลกที่เดินสำรวจได้ เพื่อทดสอบภาพรวม สไตล์ และกลไกการเล่น ก่อนเริ่มพัฒนาด้วย Game Engine ส่วนเอเจนซีและแบรนด์อาจนำแนวคิดเดียวกันไปสร้างต้นแบบประสบการณ์ Interactive เช่น โชว์รูมรถเสมือนจริง ห้องพักโรงแรมที่เดินชมได้ หรือพื้นที่ของแบรนด์ที่เปลี่ยนไปตามการตัดสินใจของผู้ใช้
ตัวอย่าง Project Genie: การนำโลกเดิมมาปรับองค์ประกอบและสร้างเวอร์ชันใหม่ วิดีโอโดย Google DeepMind (สาธิตเวอร์ชันก่อนหน้า Genie 4)
ทั้งหมดนี้ยังเป็นโอกาสในอนาคต เพราะ Google ยังไม่ได้เปิด Genie 4 เป็นเครื่องมือโฆษณาหรือระบบผลิตงานเชิงพาณิชย์อย่างเต็มรูปแบบ
ยังเป็นเทคโนโลยีทดลอง
ปัจจุบัน Genie 4 เปิดเป็น Research Preview สำหรับ Trusted Testers โดย Google เตรียมขยายการเข้าถึงไปยังสมาชิก Google AI Ultra ผ่าน Project Genie รวมถึงพาร์ตเนอร์ Early Access ของ Gemini API และ Google AI Studio
ตัวโมเดลยังมีข้อจำกัด รายละเอียดของภาพและตำแหน่งวัตถุอาจเปลี่ยนเมื่อใช้งานต่อเนื่อง ฟิสิกส์และเสียงยังไม่แม่นยำในทุกสถานการณ์ การสร้างตัวหนังสือยังมีโอกาสผิดพลาด และรองรับการปฏิสัมพันธ์ต่อเนื่องได้เพียงไม่กี่นาที
อย่างไรก็ตาม Genie 4 แสดงให้เห็นทิศทางใหม่ของ Generative AI จากเครื่องมือที่สร้างสื่อให้เรารับชม ไปสู่ระบบที่สร้างสภาพแวดล้อมสำหรับการทดลอง ตัดสินใจ และเรียนรู้ผลจากการกระทำ ซึ่งอาจกลายเป็นพื้นฐานสำคัญของ AI Agent หุ่นยนต์ และประสบการณ์ดิจิทัลรูปแบบใหม่ในอนาคต
ที่มา: Google DeepMind, Google DeepMind: Genie 4
