O Google DeepMind (abre em nova aba), laboratório de inteligência artificial do Google, anunciou na terça-feira (27) o Genie 4 (abre em nova aba), nova versão do seu "modelo de mundo". O nome assusta, mas a ideia é simples. É um programa que inventa um lugar e o mantém de pé enquanto a pessoa anda por ele usando o teclado. Até aqui, esses mundos eram mudos. O Genie 4 fala.
Segundo a empresa, ele é o primeiro modelo do gênero a gerar som próprio em tempo real. O pacote inclui música, ruído de ambiente e diálogo com os personagens, tudo produzido junto com a imagem. Quem está dentro da cena pode alterá-la no meio do caminho escrevendo um pedido: fazer chover, mudar a câmera, colocar uma pessoa ou um objeto novo no quadro. O DeepMind afirma que o modelo simula física, como colisões e aerodinâmica, e que as pessoas se movem com naturalidade. A Ars Technica registrou outra promessa da empresa: movimentos menos estranhos, sem aquele desconforto de ver um boneco quase humano.
Como funciona
O Genie 4 não trabalha sozinho. Ele se apoia na família Gemini, os modelos de IA do Google. Um deles, o Gemini Omni, prende a simulação à aparência e ao comportamento do mundo real. Outros cuidam da coerência. Segundo o relato do TechCrunch, o Gemini faz o papel de diretor: planeja os passos e confere os quadros gerados. Um modelo inventa, outro fiscaliza.
A conta oficial do laboratório apresentou o produto com a ambição de sempre:
Este é o Genie 4, nosso modelo de mundo mais realista e interativo até agora. Explore ambientes dinâmicos em tempo real para ver como a cena responde, como ela soa e como as pessoas nela se movem, reagem e falam.
O prazo de validade
A vitrine é larga, e o rodapé é honesto. De acordo com o que a empresa informou à imprensa, segundo o TechCrunch, a cena se mantém consistente por até dois minutos, o dobro do limite do antecessor. Depois disso, o mundo começa a se desmanchar. O próprio DeepMind admite que detalhes visuais e a permanência dos objetos podem se perder. Em português claro: o que estava ali pode mudar ou sumir. Isso acontece sobretudo em sessões longas, depois de pedidos de edição complicados ou quando o usuário se desloca pela cena.
A lista de problemas em aberto vem da própria casa e não é curta. Inclui física complexa, precisão do áudio em tempo real, texto legível dentro da cena, noção de espaço e consistência no longo prazo. O DeepMind define o Genie 4 como um modelo experimental, em estágio inicial. Dois minutos de coerência servem para um esboço. Não servem para um filme.
Para que o Google quer isso
O Google apresenta o Genie 4 como um passo rumo à AGI, a inteligência artificial geral, aquela que um dia faria tudo o que um humano faz. É uma frase grande. O uso mais concreto é outro: criar ambientes seguros para treinar robôs e agentes de software. Numa demonstração, o DeepMind juntou o Genie 4 a um modelo chamado Gemini 4 Argon para simular o Apollo, robô humanoide da Apptronik (abre em nova aba). O Argon dividia as tarefas em etapas, e o Genie 4 as encenava em tempo real. O robô ensaia no mundo de mentira antes de errar no de verdade.
A outra frente é criativa. O Google cita cinema, jornalismo, games e indústria. Aqui a própria equipe segurou o entusiasmo. Diego Rivas, engenheiro do DeepMind e um dos autores do anúncio, disse ao TechCrunch que o valor imediato está em gerar ideias e montar storyboards, os rascunhos visuais de uma cena. Transformar esses protótipos em material criativo acabado, segundo ele, ainda está longe. É raro ouvir isso de quem vende o produto.
A presença do jornalismo na lista merece um asterisco. Uma ferramenta que fabrica ruas com gente conversando também fabrica cenas que nunca aconteceram. O Google informa que todo vídeo e todo áudio do Genie 4 saem com o SynthID, sua marca d'água digital. É a salvaguarda oferecida. A eficácia dela fora do laboratório ainda terá de ser provada.
Quem pode usar
Por enquanto, só um grupo restrito de testadores escolhidos pelo Google. A empresa promete ampliar o acesso, nas próximas semanas segundo o TechCrunch, para assinantes do Google AI Ultra, dentro do Project Genie. Também entram parceiros de acesso antecipado da API do Gemini (abre em nova aba) e do Google AI Studio (abre em nova aba). Há uma lista de espera (abre em nova aba).
Os anúncios oficiais não trazem preço, duração de sessão, resolução, idiomas nem países atendidos. Não há menção ao Brasil. Segundo a Ars Technica, os planos AI Ultra começam em US$ 100 por mês, e o Google pode estender o acesso depois aos planos AI Pro e AI Plus, com limites de uso. O preço para desenvolvedores ainda não foi divulgado.
Por ora, o Genie 4 é uma promessa com cronômetro: dois minutos de mundo, com som incluído, e uma fila na porta.