Google päästää sinut kävelemään tekoälyn unen sisään

Google DeepMind avasi 29. tammikuuta Project Genie -verkkosovelluksen Yhdysvaltain AI Ultra -tilaajille. Tilauksen hinta on 250 dollaria kuussa ja ikäraja 18 vuotta. Sovelluksen ytimessä pyörii Genie 3 -maailmamalli, jonka DeepMind esitteli alun perin elokuussa 2025 tutkimusprojektina. Nyt se on ensimmäinen reaaliaikainen maailmamalli, jonka maksava kuluttaja saa selaimeensa.

Maailmamalli ei ole videogeneraattori

Genie 3 ei tuota valmista videopätkää, vaan ympäristön, jossa voi liikkua. Käyttäjä antaa tekstikuvauksen tai kuvan, ja malli rakentaa siitä 720p-tarkkuisen, 24 kuvaa sekunnissa pyörivän tilan. Eteneminen tapahtuu reaaliajassa, ja malli pyrkii pitämään ympäristön johdonmukaisena useita minuutteja.

Ero OpenAI:n Soraan ja Googlen omaan Veoon on perustavanlaatuinen. Sora 2 tekee korkeintaan 12 sekunnin ja Veo 3.1 noin 8 sekunnin lineaarisia videoleikkeitä, joita ei voi ohjata kesken toiston. Genie 3 ei tee videota lainkaan, vaan navigoitavan ympäristön. Sora ja Veo elävät elokuvallisessa kerronnassa, Genie tilan logiikassa.

Tutkimustyökalusta kuluttajatuotteeksi

Verkkosovelluksessa on kolme toimintoa. World Sketching luo ympäristön tekstikomennosta tai kuvasta, World Exploration mahdollistaa vapaan liikkumisen luodun maailman sisällä, ja World Remixing rakentaa olemassa olevan maailman päälle uusia muunnelmia. Yhden generoinnin pituus on rajattu 60 sekuntiin, ja DeepMindin mukaan malli kärsii edelleen fysiikan ja hahmonohjauksen rajoitteista.

Yritystilaajat (AI Ultra for Business) eivät vielä ole listalla, ja levitys muihin maihin tapahtuu vaiheittain. Sovellus käyttää Genie 3:n lisäksi DeepMindin Nano Banana Pro -kuvamallia ja Gemini-mallia. Päävastuussa kehityksestä ovat tutkijat Jack Parker-Holder ja Shlomi Fruchter.

Miksi tämä on käännekohta

Maailmamallit ovat olleet pitkään tekoälytutkimuksen ydinkysymys, koska ne ratkaisevat ongelman, jota videomalli ei ratkaise: miten tekoäly hahmottaa fysiikkaa ja toiminnan seurauksia. DeepMind kouluttaa esimerkiksi SIMA-tekoälyagenttiaan Genie 3:n synnyttämissä maailmoissa, jotta agentti oppii suorittamaan pidempiä tehtäväketjuja kuin staattisissa peliympäristöissä.

Kuluttajaversio merkitsee, että tämä tutkimustyökalu on nyt kenen tahansa kokeiltavissa, jolla on luottokortti ja yhdysvaltalainen IP-osoite. Aikaisemmat kuluttajien generatiiviset tekoälyt, kuten ChatGPT, Midjourney, Sora ja Veo, ovat tuottaneet tekstiä, kuvia tai videopätkiä. Genie 3 on ensimmäinen, joka tarjoaa tilan jossa olla.

Pelialalle, robotiikalle, koulutukseen

Pelistudioille Genie 3 on samaan aikaan uhka ja mahdollisuus. Mitä tapahtuu, kun pelimaailman tuotanto siirtyy taiteilijoilta ja ohjelmoijilta tekstikomennoiksi? Suomalaisille studioille kysymys ei ole akateeminen. Remedy ja Housemarque rakentavat pelimaailmojaan kymmenissä kuukausissa ja kymmenien miljoonien budjeteilla. Genie 3:n tarkkuus ei riitä AAA-tuotantoon, mutta proseduraalinen suunnitteluvaihe ja prototyypit ovat alueita, joissa työkalu voi muuttaa työnkulkua nopeasti.

Robotiikalle merkitys on toinen. Robotin koulutusdataksi tarvitaan loputtomasti erilaisia ympäristöjä, joissa malli voi tehdä virheitä turvallisesti. Aiemmin näitä on rakennettu käsin Unity- tai Unreal-pohjaisiin simulaattoreihin. Genie-tyyppinen maailmamalli lupaa, että koulutusympäristöjä voi synnyttää tarvittaessa kuvauksesta. Aalto-yliopistossa vahvistuvaa oppimista tutkivat ryhmät ovat vuosien ajan tehneet työtä simulaation ja oikean maailman välisen kuilun parissa, ja maailmamallit ovat yksi mahdollinen vastaus tähän kuiluun.

Koulutuksessa potentiaali on ilmeinen mutta epävarmemmin perusteltu. DeepMindin oma blogi mainitsee opiskelijoiden ja asiantuntijoiden harjoittelun, mutta jättää avoimeksi, paljonko 60 sekunnin pätkät ja minuuttien johdonmukaisuus oikeasti riittävät kemian laboratorion tai leikkaussalin harjoituskäyttöön.

Mitä tämä tarkoittaa lukijalle

Suoraan ei vielä paljoa, jos ei istu Yhdysvalloissa AI Ultra -tilauksen kanssa. Tilauksen 250 dollarin hinta kertoo siitä, että DeepMind ei tähtää massamarkkinoille tällä versiolla. Yhtiö kerää maksavilta varhaiskäyttäjiltä dataa siitä, miten ihmiset oikeasti käyttävät reaaliaikaista maailmamallia, mitä he piirtävät, mihin he kävelevät ja missä konsistenssi pettää.

Kaksi kysymystä jää auki. Ensiksi tekijänoikeudet: kun käyttäjä piirtää maailmaan "Studio Ghiblin tyylinen metsä" tai "GTA:n Los Santos", mihin Google vetää rajan? Toiseksi laskentatehon hinta. Reaaliaikainen 720p-generointi minuuttien ajan tarkoittaa, että näytönohjaintunteja palaa käyttäjää kohden tuhansia kertoja enemmän kuin tekstichatissa. 250 dollaria kuussa on korkea hinta, mutta saattaa silti olla alihinta sille, mitä todellinen lasku DeepMindille on.

Genie 3:n julkaisu kuluttajille ei vielä järisytä pelialaa tai robotiikkaa. Se asettaa uuden tason sille, mitä "tekoälysovellus" voi tarkoittaa. Seuraava kysymys on, milloin sama avautuu Eurooppaan ja millä ehdoilla.