Até esta semana, os mundos virtuais que o Google fabrica com inteligência artificial eram mudos. Na terça-feira (27), o Google DeepMind (abre em nova aba), laboratório de IA da empresa, anunciou o Genie 4 (abre em nova aba). Com ele, os cenários ganharam trilha sonora, barulho de fundo e personagens que conversam com quem está dentro deles. A novidade é real, mas por enquanto poucos podem usá-la. O modelo saiu como prévia de pesquisa, liberada a um grupo restrito de testadores de confiança.
O Google chama isso de "modelo de mundo". Não se trata de um vídeo pronto. É uma simulação gerada na hora, enquanto a pessoa caminha por ela usando o teclado, como num videogame que ninguém programou antes. No Genie 4 também dá para dar ordens por texto, em linguagem comum, no meio da cena: mudar o tempo, mover a câmera, colocar uma pessoa ou um objeto onde não havia nada. A DeepMind afirma que o sistema simula colisões e aerodinâmica e que os personagens se movem e reagem de forma mais humana.
O som é a parte inédita. Segundo a empresa, este é seu primeiro modelo de mundo em tempo real a gerar áudio de forma nativa. Música, ruído ambiente e falas nascem junto com a imagem, sem serem acrescentados depois. O diálogo, diz a DeepMind, "se adapta na hora". Quem dispara um acontecimento vê o mundo reagir, ouve como ele soa e assiste às pessoas se mexerem e falarem.
Por trás do espetáculo trabalha outro produto da casa. O Genie 4 se apoia na família Gemini, os modelos de linguagem do Google. O Gemini Omni prende a simulação à aparência e ao comportamento do mundo real. Outros modelos Gemini cuidam do raciocínio que mantém a cena coerente de um momento para o outro. Um deles, o Gemini 3.8 Flash, funciona como guia: observa a cena, divide objetivos em etapas e confere os quadros gerados. O perfil oficial de IA do Google no X explicou o arranjo com uma imagem que ajuda quem não é do ramo:
Apresentamos o Genie 4, do @GoogleDeepMind, nosso modelo de mundo mais realista e interativo até agora 🌍 Agora você pode usar linguagem natural para conduzir dinamicamente o mundo e sua paisagem sonora em tempo real, seja mudando o clima, movendo a câmera ou introduzindo novos elementos no ambiente. Então, como o modelo faz isso? Nos bastidores, o Gemini atua como o "cérebro" da simulação. Ele traduz seus pedidos em ações, planeja eventos complexos, observa a cena se desenrolar para acompanhar o que está acontecendo e se ajusta conforme você muda a história. O Genie 4 também introduz áudio ambiente e diálogo humano interativo em tempo real que se adapta na hora.
Dois minutos de memória
Segundo o TechCrunch, o Genie 4 mantém uma cena consistente por até dois minutos. É o dobro do limite do Genie 3, lançado também como prévia de pesquisa há pouco mais de um ano. O número vem da reportagem. O anúncio oficial do Google não informa duração, preço, idiomas, países nem resultados de testes de desempenho. A empresa apresenta a simulação de mundos como "um passo crucial rumo à AGI", a inteligência artificial geral. Diante dessa ambição, a falta de números é uma ausência que fala.
A equipe, diga-se, não escondeu os defeitos. De acordo com o TechCrunch, os pesquisadores reconheceram que detalhes e objetos podem se alterar à medida que a simulação avança. Áudio preciso e texto legível dentro do cenário seguem sem solução. O mundo já fala, mas um letreiro pendurado nele ainda não se deixa ler.
Diego Rivas, engenheiro da DeepMind e um dos autores do anúncio, apontou ao TechCrunch o uso mais imediato: imaginar cenas de cinema e montar storyboards em tempo real. Transformar esses rascunhos em material de produção com o Gemini Omni, admitiu, ainda está longe. Foi a frase mais honesta do lançamento.
Robôs e a aposta maior
O Google cita aplicações em cinema, jornalismo, games e indústria. A ambição de longo prazo, porém, está em criar ambientes seguros para treinar robôs e agentes de IA antes de soltá-los no mundo físico. O TechCrunch relata um experimento do Gemini Robotics em que o modelo Gemini 4 Argon dividiu tarefas em etapas que o Genie 4 simulou em tempo real. Nas demonstrações da DeepMind aparece um braço robótico UR5, da Universal Robots, manejando uma pipeta. Tejas Kulkarni, diretor de pesquisa do Google, falou num briefing sobre futuros modelos de mundo híbridos.
Quem pode usar
Hoje, só testadores convidados. A etapa seguinte, que o TechCrunch situa nas próximas semanas, inclui os assinantes do plano Google AI Ultra, dentro do Project Genie. Também entram parceiros de acesso antecipado da API do Gemini e do Google AI Studio (abre em nova aba). A DeepMind abriu lista de espera. Não há informação sobre preço, idiomas ou chegada ao Brasil.
O Genie 4 impressiona, mas, pelo que relata o TechCrunch, cada cena se mantém coerente por apenas dois minutos. Para quem desenha cenas, já serve como rascunho. Para quem promete inteligência geral, é um degrau, e os próprios engenheiros avisam que a escada ainda é comprida.