Los investigadores de Google han publicado un nuevo modelo de inteligencia artificial que puede tomar un mensaje de texto, un boceto o una idea y convertirlo en un mundo virtual con el que puedes interactuar y jugar.
Llamado Genio, el modelo de mundo virtual se entrenó con juegos y otros videos encontrados en línea y actualmente es solo una vista previa de la investigación. Los juegos son más plataformas 2D que realidad virtual completa.
Si bien esto aún podría estar algo lejos de una verdadera holocubierta como las de Star Trek, da una indicación de que algún día podría ser posible entrar a una habitación y crear una aventura completamente interactiva con solo unas pocas palabras.
¿Qué es el genio de Google?
En el mundo de la IA la gente habla de abrir la caja de Pandora o dejar salir al genio de la lámpara para describir la realidad de poder crear contenido con relativamente poco esfuerzo. La realidad es que, al igual que un ser humano pasa años aprendiendo una habilidad, los modelos de IA requieren una formación exhaustiva.
No puedes simplemente frotar una lámpara y esperar que salga un genio, primero tienes que llenar la lámpara con conocimiento y habilidad. En el caso de Genie, esto surgió de un “gran conjunto de datos de videos de Internet disponibles públicamente” y de un gran esfuerzo por parte de los ingenieros para crear código y pesos para el modelo.
Líder del equipo Google DeepMind para Genie, Tim Rocktäschel, escribió en X que el equipo se centró en la escala, utilizando un conjunto de datos compuesto por más de 200.000 horas de vídeo de plataformas 2D.
Fue entrenado sin supervisión y utilizando vídeos sin etiquetar. Esto le permitió aprender una amplia gama de movimientos, controles y acciones de los personajes y hacerlo de manera consistente. Como resultado, “nuestro modelo puede convertir cualquier imagen en un mundo 2D jugable”, explicó Rocktäschel.
¿Qué significa esto realmente?
Existen numerosas herramientas en el mercado que pueden tomar la maqueta de un diseñador gráfico de un sitio web o aplicación y convertirla en código.
No siempre es el mejor código, pero crea un prototipo funcional que se puede utilizar. También existen herramientas de inteligencia artificial para crear un sitio web a partir de un mensaje de texto.
Con Genie, básicamente puedes darle un boceto en una hoja de papel, una obra de arte digital perfectamente diseñada o incluso una representación generada por IA de un mundo 2D y Genie hace el resto.
Genera las imágenes y otros recursos necesarios para convertir su boceto en un mundo abierto completamente realizado y luego predice el siguiente cuadro de píxeles en función de las acciones proporcionadas por el jugador.
Los creadores utilizaron un tokenizador que comprimió el vídeo en tokens discretos. Luego se envía a un modelo de acción para codificar las transiciones entre dos fotogramas como una de ocho acciones latentes. Luego se utiliza otro modelo para predecir fotogramas futuros.
La solución para reunirlo todo fue la misma que el avance que tuvo OpenAI con Sora: muchos datos y la misma potencia informática.
¿Qué pasa después con Genie?
Genie no tiene fecha de lanzamiento y, como proyecto de investigación, no está claro si alguna vez se convertirá en un producto real. Existe la posibilidad de que algún día puedas tomar uno de los mejores teléfonos Android y pedirle al Asistente que te haga un juego sobre cómo esquivar vampiros, pero no hasta dentro de algunos años.
Lo que es más importante es la tecnología subyacente y los nuevos enfoques para la generación de contenido desarrollados durante su creación, incluido el aprendizaje sin etiquetas que conduce a mundos abiertos.
Rocktäschel criticó a Sora sobre X, específicamente la idea de que es un “modelo mundial”. Dijo que si bien es impresionante y visualmente impactante, “un modelo mundial necesita ‘acciones’”. Añadiendo que “Genie es un modelo mundial controlable por acción, pero entrenado completamente sin supervisión a partir de videos”.
El otro gran avance que llegó con Genie es una comprensión más profunda de la física del mundo real, que podría usarse en el entrenamiento de robots para navegar de manera más efectiva en entornos o completar tareas que no están en su entrenamiento.
- 5 nuevos e increíbles gadgets que debes ver
- Pruebo la IA para ganarme la vida: he aquí por qué Google Gemini es tan importante
- Google pidió que Gemini Ultra AI parezca más impresionante de lo que realmente es
