Google DeepMind arbeitet an der Zukunft von Künstlicher Intelligenz und veröffentlicht jetzt Genie 4 als Research-Preview. Dabei handelt es sich um ein sogenanntes Weltmodell, das auf der Basis von Textbefehlen oder Bildern komplette, interaktive 3D-Umgebungen generiert.
Was Genie 4 von früheren Systemen unterscheidet, ist die Fähigkeit, nicht nur statische Bilder zu erzeugen, sondern echte interaktive Welten. Nutzer können diese Welten steuern, durch sie hindurchbewegen und damit manipulieren. Das System reagiert in Echtzeit auf Befehle und passt die Umgebung dynamisch an. Besonders beeindruckend ist die Fähigkeit, Ton zu generieren und die visuellen Effekte mit Audio zu synchronisieren.
Das System wird mit Gemini, Googles multimodales Sprachmodell, integriert. Das ermöglicht es, komplexe Anfragen in natürlicher Sprache zu verstehen und entsprechend detaillierte Welten zu erzeugen.
Dies ist noch in einem experimentellen Stadium, doch die Möglichkeiten sind beträchtlich. Solche Weltmodelle könnten langfristig in verschiedenen Bereichen Anwendung finden: in der Architektur-Visualisierung, im Training von autonomen Systemen, in der Spieleentwicklung oder in der Simulation komplexer Szenarien für Schulung und Planung.
Für Unternehmen ist dies ein Hinweis auf die kommende Rolle von generativen Weltmodellen. Während Genie 4 derzeit noch experimentell ist, zeigen solche Fortschritte, dass KI nicht mehr nur Text oder Bilder verarbeitet, sondern beginnt, räumliche Welten zu verstehen und zu erzeugen. Dies könnte zukünftig Anwendungen in der Unternehmenskommunikation, Schulung oder Produktentwicklung haben. Unternehmen sollten diese Technologien im Blick behalten, um frühzeitig Einsatzmöglichkeiten zu identifizieren.