Google, thuộc Alphabet, vừa công bố phiên bản mới của mô hình thế giới AI, có khả năng tạo ra môi trường ảo chân thực hơn theo thời gian thực. Bước tiến này tiếp tục phát triển công nghệ từng khiến giới đầu tư vào các công ty trò chơi điện tử lo ngại.

Genie 4, được phòng thí nghiệm AI Google DeepMind giới thiệu hôm thứ Ba, cho phép người dùng tạo ra những thế giới có thể khám phá bằng câu lệnh văn bản, rồi di chuyển trong đó bằng bàn phím. Người dùng cũng có thể nhập hướng dẫn để thay đổi bối cảnh ngay khi mô phỏng đang diễn ra, chẳng hạn như đổi thời tiết hoặc thêm nhân vật.

Google cho biết các mô phỏng có thể kéo dài tối đa hai phút, gần gấp đôi phiên bản tiền nhiệm Genie 3. Genie 4 cũng là phiên bản đầu tiên tạo đồng thời âm thanh và hình ảnh, bao gồm âm thanh môi trường, âm nhạc và lời thoại phản hồi theo hành động của người dùng.

Google đang cung cấp bản thử nghiệm phục vụ nghiên cứu của Genie 4 cho một nhóm nhỏ người dùng được lựa chọn và tin cậy. Trong những tuần tới, công ty dự kiến mở quyền truy cập cho người đăng ký Google AI Ultra, gói dịch vụ cao cấp nhất, cùng một số nhà phát triển sử dụng các công cụ xây dựng ứng dụng Google AI Studio và Gemini API.

Mô hình thế giới là loại AI tạo môi trường tương tác theo thời gian thực, thay vì chỉ tạo video. Khi Google ra mắt Project Genie, một nguyên mẫu sử dụng mô hình Genie 3, hồi tháng 1, công nghệ này đã khiến Phố Wall lo ngại. Cổ phiếu ngành game giảm mạnh khi giới đầu tư cân nhắc khả năng các công cụ AI làm đảo lộn cách phát triển trò chơi điện tử.

Dù Google chịu sức ép cạnh tranh gay gắt từ các đối thủ như OpenAI và Anthropic trong cuộc đua phát triển AI tiên tiến, mô hình Gemini 4 Argon mới công bố gần đây được đánh giá là giúp hãng thu hẹp khoảng cách. Mô hình thế giới và năng lực đa phương thức, tức khả năng AI xử lý hình ảnh, âm thanh và video bên cạnh văn bản, từ lâu được coi là thế mạnh công nghệ của Google.

Mô hình mới dựa vào Gemini để duy trì tính nhất quán của các thế giới ảo. Theo bài đăng trên blog của Google, khi Genie 4 dựng một cảnh, Gemini sẽ theo dõi các khung hình được tạo ra, diễn giải mục tiêu của người dùng, chia mục tiêu thành từng bước rồi kiểm tra xem mỗi bước đã được thực hiện hay chưa. Công ty cho biết nhóm phát triển đã thử nghiệm với Argon, nhưng trải nghiệm thời gian thực sử dụng Gemini 3.8 Flash, mô hình chủ lực gọn nhẹ hơn của hãng.

Google cho biết nhóm thử nghiệm, bao gồm các nhà phát triển game và nhà làm phim, đang sử dụng Genie 4 để biến ý tưởng thành nguyên mẫu có thể khám phá và phác thảo các cảnh quay. Công ty cũng nghiên cứu khả năng dùng mô hình để huấn luyện robot, dù chưa rõ những ứng dụng này có được đón nhận rộng rãi hay không.

Khi được hỏi tại buổi họp báo về tác động đối với ngành game, Diego Rivas, quản lý sản phẩm tại Google DeepMind, cho biết công ty đang phối hợp với các đối tác để tìm hiểu cách đưa công nghệ vào công việc của họ cũng như xác định những giới hạn của nó. “Mục tiêu là mở rộng những gì chúng ta có thể làm được hiện nay,” Rivas nói.

Google nhấn mạnh mô hình vẫn đang trong giai đoạn thử nghiệm. Các chi tiết hình ảnh và vật thể có thể biến đổi sai lệch khi mô phỏng kéo dài. Hang Qi, kỹ sư nghiên cứu tại Google DeepMind, cho biết việc mô hình chạy đến giới hạn hai phút không đồng nghĩa bối cảnh luôn duy trì tính nhất quán trong suốt thời gian đó.

Khả năng mô phỏng các tương tác vật lý phức tạp, tạo chữ rõ ràng, dễ đọc và duy trì tính nhất quán trong thời gian dài vẫn đang được hoàn thiện. Theo Tejas Kulkarni, giám đốc nghiên cứu tại Google DeepMind, để các thế giới ảo hoàn toàn nhất quán, dù chỉ trong hai phút, mô hình phải thực sự hiểu các quy luật vật lý của thế giới thực.

“Những gì có thể làm được trong hai phút vẫn có giới hạn,” Rivas nói. “Chúng tôi vẫn đang trong quá trình nghiên cứu, chứ chưa hẳn đã bước vào giai đoạn phát triển sản phẩm hoàn chỉnh.”

Công ty cho biết toàn bộ âm thanh và video do Genie 4 tạo ra sẽ được gắn SynthID, dấu nhận diện vô hình của Google dùng để xác định nội dung do AI tạo.