Google Genie — โมเดล AI เจนเนอเรชั่นที่สร้างโลกเชิงโต้ตอบเต็มรูปแบบจากรูปภาพ | AI ในธุรกิจ #123

ลองจินตนาการถึงสถานการณ์แห่งอนาคตที่ระบบปัญญาประดิษฐ์ขั้นสูงทำให้รูปภาพ ภาพถ่าย หรือแม้แต่ภาพร่างที่เขียนด้วยลายมือมีชีวิตขึ้นมา โดยเปลี่ยนให้กลายเป็นความเป็นจริงเสมือนเชิงโต้ตอบที่สามารถเล่นได้เต็มรูปแบบ น่าทึ่งใช่มั้ย? แต่เทคโนโลยีก็มีอยู่แล้ว มีชื่อเรียกว่า Google Genie และเป็นโมเดล AI สุดล้ำที่สามารถเปลี่ยนโฉมหน้าของอุตสาหกรรมเกม การฝึกอบรมระบบ AI และแม้แต่หุ่นยนต์ได้ ต้องการทราบรายละเอียดของนวัตกรรมที่น่าตื่นเต้นนี้หรือไม่? อ่านต่อ.

Google Genie คืออะไร?

Google Genie (https://sites.google.com/view/genie-2024/) คือโมเดลโลกพื้นฐานที่พัฒนาโดย DeepMind เป็นโมเดล AI เจนเนอเรชันที่ได้รับการฝึกฝนจากฟุตเทจวิดีโอเกมแพลตฟอร์ม 2D ที่เผยแพร่ต่อสาธารณะมากกว่า 30,000 ชั่วโมง คุณสมบัติหลักของมันคือความสามารถในการสร้างสภาพแวดล้อมที่สามารถโต้ตอบและเล่นได้โดยตรงจากภาพเดียว ภาพถ่าย และแม้แต่ภาพร่างที่วาดด้วยมือ

ที่มา: Genie: สภาพแวดล้อมเชิงโต้ตอบทั่วไป (https://arxiv.org/abs/2402.15391)

สิ่งนี้เป็นไปได้อย่างไร? Genie ใช้เทคนิคการเรียนรู้แบบไม่มีผู้ดูแลในกระบวนการรับความสามารถในการควบคุมสภาพแวดล้อมอย่างแม่นยำโดยอาศัยวิดีโอฟุตเทจเพียงอย่างเดียว ไม่จำเป็นต้องติดแท็กการกระทำของมนุษย์ การใช้โมดูลการเขียนโค้ดการดำเนินการพิเศษจะจับการเปลี่ยนแปลงเล็กน้อยระหว่างเฟรมวิดีโอที่ต่อเนื่องกัน และแม็ปกับการแสดงการเคลื่อนไหวภายใน เช่น การกระโดดหรือการเลี้ยวซ้าย จากนั้นโมเดลไดนามิกจะสร้างเฟรมถัดไปตามลำดับตามการกระทำที่เข้ารหัสไว้

ด้วยเหตุนี้ Genie จึงสามารถสร้างสภาพแวดล้อมเกมแบบโต้ตอบที่ควบคุมได้อย่างเต็มที่จากข้อมูลภาพใดๆ การเคลื่อนไหวของผู้เล่นแต่ละคนจะสร้างเฟรมใหม่ที่ไม่เหมือนใครแบบเรียลไทม์ ทำให้เกิดเซสชันที่ราบรื่นและเล่นได้ นี่เป็นนวัตกรรมที่ยิ่งใหญ่จริงๆ ที่ช่วยให้เราสามารถสร้างโลกเชิงโต้ตอบทั้งหมดจากรูปภาพหรือข้อความได้

ทำไม Genie ถึงมีนวัตกรรม?

นวัตกรรมของ Genie อยู่ที่การผสมผสานองค์ประกอบสำคัญหลายประการไว้ในรุ่นเดียว:

• โมเดลวิดีโอทั่วไป เช่น Phenaki (https://phenaki.video/), TECO (https://wilson1yan.github.io/teco/) หรือ maskvit (https://arxiv.org/abs/2206.11894) ซึ่ง สามารถทำนายเฟรมในอนาคตของลำดับตามเฟรมอินพุตและข้อความ แต่ไม่มีความสามารถในการควบคุมแบบแอคทีฟ
• แบบจำลองโลกที่มุ่งเน้นไปที่การทำนายสภาวะแวดล้อมในอนาคตโดยอิงจากการกระทำของตัวแทน แต่ต้องใช้ข้อมูลที่มนุษย์ให้มา
• การเรียนรู้แบบไม่มีผู้ดูแล ซึ่งช่วยให้ Genie เรียนรู้ทั้งพลวัตของสิ่งแวดล้อมและพื้นที่การดำเนินการจากข้อมูลวิดีโอดิบเพียงอย่างเดียว โดยไม่ต้องมีป้ายกำกับการกระทำของมนุษย์

แม้ว่าแต่ละพื้นที่เหล่านี้จะมีการสำรวจมาก่อนแล้ว แต่ Genie ก็เป็นโมเดลแรกที่รวมพื้นที่เหล่านี้เข้าด้วยกันเพื่อเรียนรู้สภาพแวดล้อมที่ควบคุมได้โดยตรงจากฟุตเทจวิดีโอ วิธีการสอนโมเดลที่ไม่เคยมีมาก่อนโดยไม่มีการควบคุมดูแลโดยมนุษย์ถือเป็นนวัตกรรมสำคัญของ Genie เป็นการเปิดประตูสู่การใช้วิดีโอจำนวนมหาศาลบนอินเทอร์เน็ตเป็นแหล่งฝึกอบรมสำหรับโมเดล AI และทลายกำแพงที่เกี่ยวข้องกับความพร้อมใช้งานที่จำกัดของข้อมูลที่ติดป้ายกำกับ

การผสมผสานระหว่างโมเดลวิดีโอเชิงสร้างสรรค์ โมเดลโลก และการเรียนรู้แบบไม่มีผู้ดูแลในโซลูชันเดียวแสดงถึงความก้าวหน้าขั้นพื้นฐานในการพัฒนาปัญญาประดิษฐ์ Genie แสดงให้เห็นว่าระบบ AI ขั้นสูงสามารถเรียนรู้พฤติกรรมและสภาพแวดล้อมที่ซับซ้อนได้โดยตรงจากข้อมูลที่ไม่มีโครงสร้าง โดยไม่ต้องติดแท็กด้วยตนเอง นี่เป็นก้าวสำคัญบนเส้นทางสู่การบรรลุปัญญาประดิษฐ์ทั่วไป (AGI) ที่แท้จริง

ที่มา: Google Genie (https://sites.google.com/view/genie-2024/)

แอปพลิเคชันที่เป็นไปได้ของ Google Genie

ความสามารถของ Google Genie เป็นมากกว่าการสร้างวิดีโอเกม โมเดล AI ผู้บุกเบิกนี้สามารถค้นหาแอปพลิเคชันได้ในหลายสาขา:

• เครื่องมือสำหรับนักสร้างแอนิเมชั่น – เพียงอัปโหลดรูปภาพ ภาพร่าง หรือคำอธิบายข้อความสั้นๆ แล้ว Genie จะสร้างแอนิเมชั่นที่สอดคล้องกัน
• ทรัพยากรการฝึกอบรมไม่จำกัดสำหรับตัวแทน AI ด้วยความสามารถในการสรุปกับโดเมนใหม่ทั้งหมด Genie เสนอความท้าทายที่ไม่มีที่สิ้นสุดซึ่งระบบ AI ในอนาคตสามารถเรียนรู้ได้ จนถึงขณะนี้การขาดสภาพแวดล้อมการฝึกอบรมที่หลากหลายถือเป็นอุปสรรคสำคัญประการหนึ่งต่อการพัฒนาตัวแทน AI ทั่วไป
• การจำลองทางกายภาพสำหรับหุ่นยนต์ – การวิจัยแสดงให้เห็นว่า Genie ไม่เพียงแต่สามารถควบคุมหุ่นยนต์เสมือนเท่านั้น แต่ยังตระหนักถึงคุณสมบัติทางกายภาพของวัตถุที่เปลี่ยนรูปได้อีกด้วย สิ่งนี้อาจมีผลกระทบอย่างมากต่อการพัฒนาหุ่นยนต์และการจำลองทางกายภาพ
• การใช้งานในอุตสาหกรรมสร้างสรรค์ – จีนี่สามารถอำนวยความสะดวกในการสร้างสรรค์งานศิลปะจัดวางแบบอินเทอร์แอคทีฟ นิทรรศการเสมือนจริง หรือภาพยนตร์ เพียงอัปโหลดภาพร่าง จากนั้นโมเดลจะสร้างโลก 3 มิติที่ควบคุมได้อย่างสมบูรณ์ พร้อมสำหรับการสำรวจ

อย่างไรก็ตาม ไม่ควรมองข้ามความท้าทายและข้อจำกัดที่อาจเกิดขึ้นของเทคโนโลยีนี้ ในขั้นตอนการพัฒนาปัจจุบัน Genie ทำงานได้ดีที่สุดในโดเมนที่แคบ เช่น เกมแพลตฟอร์ม 2 มิติ การขยายไปสู่สภาพแวดล้อม 3 มิติที่ซับซ้อนมากขึ้นจะต้องมีการวิจัยและการเพิ่มประสิทธิภาพเพิ่มเติม นอกจากนี้ ยังมีความเสี่ยงที่เทคโนโลยีนี้จะถูกนำไปใช้ในทางที่ผิดเพื่อสร้างเนื้อหาที่เป็นอันตรายหรือเป็นอันตราย ดังนั้นจึงจำเป็นอย่างยิ่งที่จะต้องพัฒนากรอบการทำงานด้านจริยธรรมและกฎหมายที่แข็งแกร่งเพื่อควบคุมการพัฒนาและการใช้โมเดล AI ดังกล่าว

ที่มา: Google Genie (https://sites.google.com/view/genie-2024/)

สรุป

ด้วยการเปิดใช้การสร้างสภาพแวดล้อมแบบอินเทอร์แอกทีฟเต็มรูปแบบได้โดยตรงจากข้อมูลภาพ โดยไม่จำเป็นต้องแท็กการดำเนินการด้วยตนเอง Google Genie ถือเป็นความก้าวหน้าอย่างแท้จริงในด้านปัญญาประดิษฐ์เชิงสร้างสรรค์ โมเดลโลกขั้นพื้นฐานนี้ให้พลังในการแสดงภาพในรูปแบบของความเป็นจริงเสมือนที่สามารถเล่นได้ ซึ่งสามารถสำรวจและควบคุมโดยมนุษย์หรือตัวแทน AI

ศักยภาพของ Genie นั้นมหาศาล ตั้งแต่เครื่องมือสำหรับนักพัฒนาเกม ไปจนถึงแหล่งข้อมูลการฝึกอบรมที่ไม่จำกัดสำหรับ AI ไปจนถึงการจำลองทางกายภาพสำหรับหุ่นยนต์ นอกจากนี้ยังเป็นก้าวสำคัญบนเส้นทางสู่ AGI ในขณะที่โมเดลอย่าง Genie พัฒนาต่อไป ขอบเขตระหว่างโลกแห่งความเป็นจริงและโลกแห่งความเป็นจริงก็มีความคล่องตัวมากขึ้น

หากคุณชอบเนื้อหาของเรา เข้าร่วมชุมชนผึ้งที่ไม่ว่างของเราบน Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok

ผู้เขียน : โรเบิร์ต วิทนีย์

ผู้เชี่ยวชาญ JavaScript และผู้สอนที่เป็นโค้ชแผนกไอที เป้าหมายหลักของเขาคือการยกระดับผลงานของทีมโดยการสอนผู้อื่นถึงวิธีการร่วมมืออย่างมีประสิทธิภาพในขณะที่เขียนโค้ด

ดูโพสต์ทั้งหมด

AI ในธุรกิจ:

1. ภัยคุกคามและโอกาสของ AI ในธุรกิจ (ตอนที่ 1)
2. ภัยคุกคามและโอกาสของ AI ในธุรกิจ (ตอนที่ 2)
3. แอปพลิเคชัน AI ในธุรกิจ – ภาพรวม
4. แชทบอทข้อความที่ช่วยเหลือโดย AI
5. ธุรกิจ NLP วันนี้และพรุ่งนี้
6. บทบาทของ AI ในการตัดสินใจทางธุรกิจ
7. การกำหนดเวลาโพสต์บนโซเชียลมีเดีย เอไอสามารถช่วยได้อย่างไร?
8. โพสต์โซเชียลมีเดียอัตโนมัติ
9. บริการและผลิตภัณฑ์ใหม่ที่ทำงานด้วย AI
10. จุดอ่อนของแนวคิดทางธุรกิจของฉันคืออะไร? เซสชั่นระดมความคิดด้วย ChatGPT
11. การใช้ ChatGPT ในธุรกิจ
12. นักแสดงสังเคราะห์ เครื่องสร้างวิดีโอ AI 3 อันดับแรก
13. 3 เครื่องมือออกแบบกราฟิก AI ที่มีประโยชน์ AI เจนเนอเรชั่นในธุรกิจ
14. นักเขียน AI ที่ยอดเยี่ยม 3 คนที่คุณต้องลองวันนี้
15. สำรวจพลังของ AI ในการสร้างดนตรี
16. นำทางโอกาสทางธุรกิจใหม่ด้วย ChatGPT-4
17. เครื่องมือ AI สำหรับผู้จัดการ
18. 6 ปลั๊กอิน ChatGTP ที่ยอดเยี่ยมที่จะทำให้ชีวิตของคุณง่ายขึ้น
19. 3 กราฟิค AI Generatywna sztuczna inteligencja dla biznesu
20. อนาคตของ AI ตาม McKinsey Global Institute จะเป็นอย่างไร
21. ปัญญาประดิษฐ์ในธุรกิจ--บทนำ
22. NLP หรือการประมวลผลภาษาธรรมชาติในธุรกิจคืออะไร
23. การประมวลผลเอกสารอัตโนมัติ
24. Google แปลภาษากับ DeepL 5 แอพพลิเคชั่นเครื่องแปลภาษาสำหรับธุรกิจ
25. การดำเนินงานและการใช้งานทางธุรกิจของวอยซ์บอท
26. เทคโนโลยีผู้ช่วยเสมือนหรือจะคุยกับ AI ได้อย่างไร?
27. ระบบธุรกิจอัจฉริยะคืออะไร?
28. ปัญญาประดิษฐ์จะมาแทนที่นักวิเคราะห์ธุรกิจหรือไม่?
29. ปัญญาประดิษฐ์สามารถช่วย BPM ได้อย่างไร?
30. AI และโซเชียลมีเดีย – พวกเขาพูดอะไรเกี่ยวกับเรา?
31. ปัญญาประดิษฐ์ในการจัดการเนื้อหา
32. AI สร้างสรรค์ของวันนี้และอนาคต
33. Multimodal AI และการใช้งานในธุรกิจ
34. การโต้ตอบใหม่ AI เปลี่ยนแปลงวิธีการใช้งานอุปกรณ์ของเราอย่างไร
35. RPA และ API ในบริษัทดิจิทัล
36. ตลาดงานในอนาคตและอาชีพที่จะเกิดขึ้น
37. AI ใน EdTech 3 ตัวอย่างบริษัทที่ใช้ศักยภาพปัญญาประดิษฐ์
38. ปัญญาประดิษฐ์และสิ่งแวดล้อม 3 โซลูชัน AI ที่จะช่วยคุณสร้างธุรกิจที่ยั่งยืน
39. เครื่องตรวจจับเนื้อหา AI พวกเขาคุ้มค่าไหม?
40. ChatGPT กับ Bard และ Bing AI chatbot ตัวไหนที่เป็นผู้นำการแข่งขัน?
41. chatbot AI เป็นคู่แข่งในการค้นหาของ Google หรือไม่
42. ChatGPT พร้อมท์ที่มีประสิทธิภาพสำหรับทรัพยากรบุคคลและการสรรหาบุคลากร
43. วิศวกรรมศาสตร์ทันที วิศวกรพร้อมท์ทำอะไร?
44. เครื่องกำเนิด AI Mockup เครื่องมือ 4 อันดับแรก
45. AI และอะไรอีก? เทรนด์เทคโนโลยียอดนิยมสำหรับธุรกิจในปี 2024
46. AI และจริยธรรมทางธุรกิจ เหตุใดคุณจึงควรลงทุนในโซลูชั่นที่มีจริยธรรม
47. เมตาเอไอ คุณควรรู้อะไรบ้างเกี่ยวกับฟีเจอร์ที่รองรับ AI ของ Facebook และ Instagram
48. กฎระเบียบของเอไอ คุณต้องรู้อะไรบ้างในฐานะผู้ประกอบการ?
49. 5 การใช้งานใหม่ของ AI ในธุรกิจ
50. ผลิตภัณฑ์และโครงการ AI - แตกต่างจากผลิตภัณฑ์และโครงการอื่นอย่างไร
51. กระบวนการอัตโนมัติที่ได้รับความช่วยเหลือจาก AI จะเริ่มตรงไหน?
52. คุณจะจับคู่โซลูชัน AI กับปัญหาทางธุรกิจได้อย่างไร
53. AI ในฐานะผู้เชี่ยวชาญในทีมของคุณ
54. ทีม AI กับการแบ่งบทบาท
55. จะเลือกสาขาอาชีพใน AI ได้อย่างไร?
56. การเพิ่มปัญญาประดิษฐ์ในกระบวนการพัฒนาผลิตภัณฑ์คุ้มค่าเสมอไปหรือไม่?
57. AI ใน HR: ระบบการสรรหาบุคลากรอัตโนมัติส่งผลต่อ HR และการพัฒนาทีมอย่างไร
58. 6 เครื่องมือ AI ที่น่าสนใจที่สุดในปี 2023
59. 6 อุบัติเหตุทางธุรกิจที่ใหญ่ที่สุดที่เกิดจาก AI
60. การวิเคราะห์วุฒิภาวะด้าน AI ของบริษัทเป็นอย่างไร
61. AI สำหรับการปรับแต่ง B2B ในแบบของคุณ
62. กรณีการใช้งาน ChatGPT 18 ตัวอย่างวิธีปรับปรุงธุรกิจของคุณด้วย ChatGPT ในปี 2024
63. ไมโครเลิร์นนิง วิธีที่รวดเร็วในการรับทักษะใหม่
64. การใช้งาน AI ที่น่าสนใจที่สุดในบริษัทต่างๆ ในปี 2024
65. ผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ทำอะไร?
66. โครงการ AI นำมาซึ่งความท้าทายอะไรบ้าง
67. เครื่องมือ AI 8 อันดับแรกสำหรับธุรกิจในปี 2567
68. เอไอใน CRM AI เปลี่ยนแปลงอะไรในเครื่องมือ CRM
69. พระราชบัญญัติ UE AI ยุโรปควบคุมการใช้ปัญญาประดิษฐ์อย่างไร
70. โซระ. วิดีโอที่สมจริงจาก OpenAI จะเปลี่ยนธุรกิจอย่างไร
71. ผู้สร้างเว็บไซต์ AI 7 อันดับแรก
72. เครื่องมือที่ไม่ต้องเขียนโค้ดและนวัตกรรม AI
73. การใช้ AI ช่วยเพิ่มประสิทธิภาพการทำงานของทีมของคุณได้มากแค่ไหน?
74. จะใช้ ChatGTP เพื่อการวิจัยตลาดได้อย่างไร
75. จะขยายขอบเขตการเข้าถึงของแคมเปญการตลาด AI ของคุณได้อย่างไร
76. "เราทุกคนคือนักพัฒนา" นักพัฒนาพลเมืองสามารถช่วยบริษัทของคุณได้อย่างไร?
77. AI ในการขนส่งและโลจิสติกส์
78. AI แก้ Pain Point ทางธุรกิจอะไรบ้าง?
79. ปัญญาประดิษฐ์ในสื่อ
80. AI ในด้านธนาคารและการเงิน ลาย มอนโซ และแกร็บ
81. AI ในอุตสาหกรรมการท่องเที่ยว
82. AI ส่งเสริมให้เกิดเทคโนโลยีใหม่อย่างไร
83. การปฏิวัติของ AI ในโซเชียลมีเดีย
84. AI ในอีคอมเมิร์ซ ภาพรวมของผู้นำระดับโลก
85. เครื่องมือสร้างภาพ AI 4 อันดับแรก
86. เครื่องมือ AI 5 อันดับแรกสำหรับการวิเคราะห์ข้อมูล
87. กลยุทธ์ AI ในบริษัทของคุณ - จะสร้างได้อย่างไร
88. หลักสูตร AI ที่ดีที่สุด – 6 คำแนะนำที่ยอดเยี่ยม
89. การเพิ่มประสิทธิภาพการฟังโซเชียลมีเดียด้วยเครื่องมือ AI
90. IoT + AI หรือวิธีลดต้นทุนด้านพลังงานในบริษัท
91. AI ในโลจิสติกส์ 5 เครื่องมือที่ดีที่สุด
92. GPT Store – ภาพรวมของ GPT ที่น่าสนใจที่สุดสำหรับธุรกิจ
93. LLM, GPT, RAG... คำย่อของ AI หมายถึงอะไร
94. หุ่นยนต์ AI – อนาคตหรือปัจจุบันของธุรกิจ?
95. ค่าใช้จ่ายในการนำ AI ไปใช้งานในบริษัทคือเท่าไร?
96. AI สามารถช่วยอาชีพฟรีแลนซ์ได้อย่างไร?
97. ทำงานอัตโนมัติและเพิ่มผลผลิต คำแนะนำเกี่ยวกับ AI สำหรับฟรีแลนซ์
98. AI สำหรับสตาร์ทอัพ – เครื่องมือที่ดีที่สุด
99. การสร้างเว็บไซต์ด้วย AI
100. OpenAI, Midjourney, Anthropic, Hugging Face ใครเป็นใครในโลกของ AI?
101. Eleven Labs และอะไรอีก? สตาร์ทอัพด้าน AI ที่มีแนวโน้มมากที่สุด
102. ข้อมูลสังเคราะห์และความสำคัญต่อการพัฒนาธุรกิจของคุณ
103. เครื่องมือค้นหา AI ยอดนิยม จะหาเครื่องมือ AI ได้ที่ไหน?
104. วิดีโอเอไอ เครื่องกำเนิดวิดีโอ AI ล่าสุด
105. AI สำหรับผู้จัดการ AI จะทำให้งานของคุณง่ายขึ้นได้อย่างไร
106. มีอะไรใหม่ใน Google ราศีเมถุน? ทุกสิ่งที่คุณจำเป็นต้องรู้
107. เอไอในโปแลนด์ บริษัท การประชุม และสัมมนา
108. ปฏิทินเอไอ จะเพิ่มประสิทธิภาพเวลาของคุณในบริษัทได้อย่างไร?
109. AI และอนาคตของการทำงาน จะเตรียมธุรกิจของคุณให้พร้อมรับการเปลี่ยนแปลงได้อย่างไร?
110. การโคลนเสียง AI สำหรับธุรกิจ จะสร้างข้อความเสียงส่วนตัวด้วย AI ได้อย่างไร?
111. การตรวจสอบข้อเท็จจริงและภาพหลอน AI
112. AI ในการสรรหาบุคลากร – การพัฒนาสื่อการจัดหางานทีละขั้นตอน
113. กลางการเดินทาง v6. นวัตกรรมในการสร้างภาพ AI
114. AI ใน SMEs SMEs จะแข่งขันกับยักษ์ใหญ่ด้วย AI ได้อย่างไร?
115. AI เปลี่ยนแปลงการตลาดที่มีอิทธิพลอย่างไร
116. AI เป็นภัยคุกคามต่อนักพัฒนาจริงหรือ? เดวิน และ Microsoft AutoDev
117. แชทบอท AI สำหรับอีคอมเมิร์ซ กรณีศึกษา
118. สุดยอดแชทบอท AI สำหรับอีคอมเมิร์ซ แพลตฟอร์ม
119. จะติดตามสิ่งที่เกิดขึ้นในโลก AI ได้อย่างไร?
120. ฝึกฝน AI ก้าวแรกสู่การนำ AI มาประยุกต์ใช้กับธุรกิจของคุณต้องทำอย่างไร?
121. ความฉงนสนเท่ห์ Bing Copilot หรือ You.com? เปรียบเทียบเครื่องมือค้นหา AI
122. อาณาจักร โมเดลภาษาที่ก้าวล้ำจาก Apple?
123. ผู้เชี่ยวชาญด้าน AI ในโปแลนด์
124. Google Genie — โมเดล AI ที่สร้างโลกเชิงโต้ตอบเต็มรูปแบบจากรูปภาพ