માત્ર એક કમાન્ડ અને દુનિયા બદલાઈ જશે! Googleનું Genie 4 AI મચાવશે ધમાલ

AI Genie 4 : આજના સમયમાં AIની મદદથી ફોટો એડિટિંગથી લઈને વીડિયો એડિટિંગ સુધીનાં અનેક કામ સરળ બન્યાં છે. પરંતુ કલ્પના કરો કે તમે એવી ડિજિટલ દુનિયામાં હોવ, જ્યાં વૃક્ષોમાંથી પસાર થતા પવનનો અવાજ સંભળાય, દરિયાના મોજાંનો ઘૂઘવાટ સંભળાય અને સામે ઊભેલું કોઈ પાત્ર તમારી સાથે વાત પણ કરી શકે. એટલું જ નહીં, માત્ર એક કમાન્ડ આપીને તમે ત્યાંનું હવામાન બદલી શકો, કેમેરાની દિશા ફેરવી શકો અથવા તમારી પસંદગીનું નવું પાત્ર અને વસ્તુ ઉમેરી શકો. (AI Genie 4)

આવી જ શક્યતાઓને સાકાર કરવાની દિશામાં Google DeepMindનું નવું AI મોડલ Genie 4 કામ કરી રહ્યું હોવાનો કંપનીનો દાવો છે. આ મોડલ રિયલ ટાઇમમાં એવી ડિજિટલ દુનિયા બનાવી શકે છે, જે યુઝરના નિર્દેશો પ્રમાણે બદલાતી રહે. Googleએ મંગળવારે Genie 4ને પોતાના નવા World Model તરીકે રજૂ કર્યું હતું. હાલમાં આ મોડલ પ્રારંભિક રિસર્ચ પ્રીવ્યૂ તબક્કામાં છે અને પસંદગીના ભાગીદારો સાથે તેનું પરીક્ષણ ચાલી રહ્યું છે.

અમારી WhatsApp ચેનલમાં જોડાવા આ લિંક પર ક્લીક કરો
https://whatsapp.com/channel/0029VauCUMx6LwHmdrOBwa2X

શું છે Google DeepMindનું Genie 4?

Genie 4ને એવી રીતે તૈયાર કરવામાં આવ્યું છે કે તે માત્ર એક તસવીર કે અગાઉથી રેકોર્ડ કરેલો વીડિયો બતાવવાને બદલે ઇન્ટરેક્ટિવ ડિજિટલ વાતાવરણ ઊભું કરી શકે. Googleના જણાવ્યા અનુસાર, આ મોડલ Gemini પરિવારની વિવિધ ક્ષમતાઓનો ઉપયોગ કરે છે. Gemini Omni વાસ્તવિક દુનિયા જેવી દેખાતી અને વર્તતી સિમ્યુલેશન બનાવવામાં મદદ કરે છે, જ્યારે Geminiનાં અન્ય મોડલ ડિજિટલ દુનિયામાં ઘટનાઓનો ક્રમ અને તેમનો સંદર્ભ જાળવવામાં મદદરૂપ થાય છે.

તેની ખાસિયત એ છે કે સિમ્યુલેશન ચાલુ હોય ત્યારે પણ યુઝર તેમાં ફેરફાર કરી શકે છે. ઉદાહરણ તરીકે:

• ટેક્સ્ટ કમાન્ડ આપીને વરસાદ શરૂ કરાવી શકાય.

• કેમેરાનો એંગલ અને દિશા બદલી શકાય.

• ડિજિટલ દુનિયામાં નવું પાત્ર અથવા વસ્તુ ઉમેરી શકાય.

• પરિસ્થિતિ પ્રમાણે સિમ્યુલેશનમાં ફેરફાર કરી શકાય.

હવે ડિજિટલ દુનિયામાં અવાજ પણ સંભળાશે

Genie 4ની રસપ્રદ વિશેષતાઓમાંની એક તેની ઓડિયો જનરેશન ક્ષમતા છે. Googleનો દાવો છે કે આ મોડલ રિયલ ટાઇમમાં વિવિધ પ્રકારના અવાજો બનાવી શકે છે. તેમાં વૃક્ષોમાંથી પસાર થતા પવનનો અવાજ, દરિયાના મોજાંનો ઘૂઘવાટ અને બેકગ્રાઉન્ડ મ્યુઝિકનો સમાવેશ થઈ શકે છે. એટલે કે, ડિજિટલ દુનિયામાં માત્ર વસ્તુઓ અને દૃશ્યો જ જોવા નહીં મળે, પરંતુ તે વાતાવરણને અનુરૂપ અવાજો પણ સાંભળવા મળશે. કંપનીના જણાવ્યા અનુસાર, આ મોડલ ડિજિટલ પાત્રો વચ્ચે વાતચીત પણ ઊભી કરી શકે છે. પાત્રો યુઝરના નિર્દેશો અથવા સિમ્યુલેશનમાં બનતી ઘટનાઓના આધારે જવાબ આપી શકે છે. આ માટે દરેક અવાજ અગાઉથી રેકોર્ડ કરીને રાખવાની જરૂર નહીં પડે, કારણ કે બદલાતા વાતાવરણ પ્રમાણે વાતચીત અને અવાજો તૈયાર કરી શકાય છે.

આ પણ વાંચો: ‘પરીક્ષા આવે છે, ભણવા બેસ’ માતાની ટકોર બાદ પુત્રએ જીવન ટૂંકાવ્યું

Geminiની મદદથી કેવી રીતે કામ કરશે Genie 4?

Googleના જણાવ્યા અનુસાર, Gemini 3.8 Flash સિમ્યુલેશન દરમિયાન માર્ગદર્શકની ભૂમિકા ભજવે છે. તે સતત ડિજિટલ દૃશ્યોનું નિરીક્ષણ કરે છે, મોટા લક્ષ્યોને નાના-નાના કાર્યોમાં વહેંચે છે અને દરેક પગલું યોગ્ય રીતે પૂર્ણ થયું છે કે નહીં તેની તપાસ કરે છે. આ ઉપરાંત, Google DeepMind પોતાના Gemini Robotics રિસર્ચ સાથે Gemini 4 Argon અને Genie 4ને લઈને પણ પ્રયોગો કરી રહ્યું છે.

સુરક્ષા પર પણ ધ્યાન, પરંતુ હજુ કેટલીક મર્યાદાઓ

Genie 4 હાલમાં પ્રારંભિક રિસર્ચ તબક્કામાં હોવાથી દરેક વખતે સંપૂર્ણ અને ચોક્કસ પરિણામ મળશે તેની ગેરંટી નથી. લાંબા સમય સુધી સિમ્યુલેશન ચલાવવામાં આવે અથવા વારંવાર ફેરફાર કરવામાં આવે, ત્યારે કેટલીક વસ્તુઓનો દેખાવ બદલાઈ શકે છે. દૃશ્યો આગળ વધતાં નાની-મોટી ખામીઓ પણ જોવા મળી શકે છે. Googleના જણાવ્યા અનુસાર, આ મોડલની આંતરિક સુરક્ષા તપાસ કરવામાં આવી છે અને નુકસાનકારક કન્ટેન્ટને રોકવા માટે સુરક્ષાનાં પગલાં પણ સામેલ કરાયાં છે. આ ઉપરાંત, Genie 4 દ્વારા બનાવવામાં આવતા વીડિયો અને ઓડિયોમાં કંપનીની SynthID ટેક્નોલોજીનો ઉપયોગ કરવામાં આવશે. આ ટેક્નોલોજી કન્ટેન્ટમાં અદૃશ્ય ઓળખ ઉમેરે છે, જેનાથી તે AI દ્વારા બનાવવામાં આવ્યું છે કે નહીં તે ઓળખવામાં મદદ મળી શકે છે. હાલમાં Genie 4 પરીક્ષણના તબક્કામાં છે. જોકે, તેની ઇન્ટરેક્ટિવ ડિજિટલ દુનિયા બનાવવાની ક્ષમતા ભવિષ્યમાં ગેમિંગ, સિમ્યુલેશન અને AI આધારિત સર્જનાત્મક અનુભવોમાં નવી શક્યતાઓ ઊભી કરી શકે છે.

આ પણ વાંચો:  વડોદરામાં સામૂહિક આપઘાતની ઘટના: માતાએ દીકરા-દીકરી સાથે જીવન ટૂંકાવ્યું, કારણ અકબંધ