پروژه جنی (Project Genie)

هوش مصنوعی در سال‌های اخیر از تولید متن و تصویر فراتر رفته و اکنون به سمت خلق دنیاهای سه‌بعدی تعاملی حرکت می‌کند. پروژه جنی یکی از جدیدترین دستاوردهای گوگل دیپ‌مایند در این مسیر است. ابزاری آزمایشی که با تکیه بر مدل هوشمند Genie 3، امکان ساخت و کاوش دنیاهایی زنده و پویا را تنها با یک توصیف متنی یا تصویری فراهم می‌کند.

 در ادامه‌ این مقاله، با ماهیت این پروژه، نحوه‌ی عملکرد آن و جایگاهش در مسیر توسعه‌ی هوش مصنوعی آشنا می‌شویم.

Project Genie چیست؟

پروژه جنی (Project Genie) یک نمونه‌ی اولیه‌ پژوهشی و آزمایشی است که گوگل دیپ‌مایند در ۲۹ ژانویه‌ ۲۰۲۶ معرفی کرد. این ابزار از طریق پلتفرم Google Labs در دسترس قرار گرفته و در حال حاضر تنها به مشترکین سرویس Google AI Ultra در آمریکا (افراد بالای ۱۸ سال) ارائه می‌شود. هسته‌ اصلی این پروژه، مدل هوشمند Genie 3 است.

پروژه جنی دقیقاً چه کاری انجام می‌دهد؟

عملکرد پروژه جنی را می‌توان با یک مثال ساده توضیح داد.

کاربر ابتدا محیط موردنظر خود را از طریق یک توصیف متنی یا یک تصویر مشخص می‌کند. برای مثال جنگلی مه‌آلود با رودخانه‌ای در میانه‌ آن. سپس شیوه‌ کاوش در این دنیا را تعیین می‌کند؛ حرکت پیاده، رانندگی یا پرواز.

تفاوت اصلی این ابزار با روش‌های متداول تولید محتوای بصری در همین‌جا نمایان می‌شود:

دنیای موردنظر از پیش ساخته یا ضبط نشده است. مدل Genie 3 این محیط را به‌صورت بلادرنگ و هم‌گام با حرکات کاربر تولید می‌کند. به‌عبارت دیگر، هر بخش از دنیا تنها زمانی شکل می‌گیرد که کاربر به آن نزدیک می‌شود؛ مشابه فرآیندی که در آن مسیر پیشِ‌رو، لحظه‌به‌لحظه و متناسب با کنش‌های کاربر پردازش و ارائه می‌شود.

این مدل همچنین از قابلیت محدودی برای حفظ پیوستگی محیط برخوردار است؛ به این معنا که عناصر یک صحنه تا حدود یک دقیقه در «حافظه‌ی بصری» مدل باقی می‌مانند و در صورت بازگشت کاربر به همان نقطه، صحنه نسبتاً پایدار باز‌تولید می‌شود. این ویژگی در مقایسه با نسخه‌ی پیشین، Genie 2، که تعامل در آن تنها چند ثانیه دوام داشت، پیشرفت قابل‌توجهی به شمار می‌رود.

با این حال، گوگل صراحتاً اعلام کرده این فناوری هنوز در مراحل اولیه‌ی توسعه قرار دارد و با محدودیت‌هایی از جمله ناسازگاری گاه‌به‌گاه با قوانین فیزیک، تأخیر در پاسخ‌دهی به کنترل‌های کاربر، و سقف زمانی مشخص برای تعامل پیوسته همراه است.

نحوه‌ی دسترسی و استفاده از پروژه جنی

در حال حاضر، پروژه جنی به‌صورت عمومی و برای همه‌ی کاربران در دسترس نیست و گوگل آن را به‌عنوان یک پیش‌نمایش پژوهشی محدود عرضه کرده است. برای استفاده از این ابزار، شرایط زیر باید برقرار باشد:

اشتراک Google AI Ultra

 دسترسی به پروژه جنی صرفاً از طریق بالاترین سطح اشتراک گوگل، یعنی Google AI Ultra، امکان‌پذیر است؛ سرویسی که با هزینه‌ی ماهانه‌ای در حدود ۲۵۰ دلار، پیشرفته‌ترین ابزارهای هوش مصنوعی گوگل را در اختیار مشترکان قرار می‌دهد.

محدودیت سنی و جغرافیایی

 این ابزار در حال حاضر تنها برای کاربران بالای ۱۸ سال در آمریکا فعال است. گوگل اعلام کرده در آینده دسترسی را به کشورهای دیگر نیز گسترش خواهد داد، اما تاریخ مشخصی برای این توسعه اعلام نشده است.

مراحل استفاده

 کاربران واجد شرایط می‌توانند از طریق پلتفرم Google Labs به آدرس اختصاصی پروژه جنی مراجعه کنند. پس از ورود، کاربر ابتدا دنیای موردنظر خود را با متن یا تصویر توصیف می‌کند، شیوه‌ی کاوش (پیاده، رانندگی یا پرواز) و زاویه‌ی دید را انتخاب می‌کند، و سپس وارد محیط تولیدشده می‌شود. امکان دانلود ویدیوی حاصل از این تجربه، و همچنین استفاده از قابلیت Remix برای بازسازی دنیاهای موجود در گالری، از دیگر امکانات این بخش است.

با توجه به ماهیت آزمایشی پروژه، گوگل هشدار داده که تجربه‌ی کاربری ممکن است در طول زمان و هم‌زمان با توسعه‌ی مدل، دستخوش تغییر شود.

کاربرد پروژه جنی چیست؟

پروژه جنی صرفاً یک ابزار سرگرمی نیست و کاربردهای آن فراتر از ساخت دنیاهای بازی‌گونه می‌رود. مهم‌ترین حوزه‌های کاربرد این پروژه عبارت‌اند از:

آموزش ایجنت‌های هوش مصنوعی

یکی از اهداف اصلی گوگل دیپ‌مایند، استفاده از این دنیاهای شبیه‌سازی‌شده برای آموزش ایجنت‌های هوشمند در محیط‌های سه‌بعدی است. با ساخت سناریوهای «چه می‌شد اگر» که در دنیای واقعی نادر، خطرناک یا پرهزینه هستند، پژوهشگران می‌توانند ایجنت‌ها را برای مواجهه با شرایط غیرمنتظره آماده کنند؛ برای مثال، آموزش خودروی خودران برای واکنش به عابری که ناگهان وارد خیابان می‌شود.

رباتیک

دنیاهای تولیدشده توسط Genie 3 می‌توانند به‌عنوان محیط شبیه‌سازی برای آموزش ربات‌ها، از جمله ربات‌های انسان‌نما، به کار روند؛ بدون نیاز به آزمایش پرهزینه و زمان‌بر در دنیای فیزیکی واقعی.

طراحی بازی‌های ویدیویی

پروژه جنی طراحی محیط بازی را از حوزه‌ی تخصصی توسعه‌دهندگان بیرون آورده و در دسترس افراد عادی قرار داده است. کاربران بدون دانش برنامه‌نویسی می‌توانند تنها با متن یا تصویر، دنیاهای قابل‌کاوش و شخصیت‌های تعاملی بسازند.

انیمیشن و روایت‌های داستانی

از آنجا که Genie 3 می‌تواند صحنه‌ها و شخصیت‌ها را بر اساس توصیف بصری یا متنی بسازد، این ابزار ظرفیت استفاده در تولید محتوای انیمیشنی و روایت‌های تخیلی را نیز دارد.

کاوش مکان‌ها و دوره‌های تاریخی

با تکیه بر داده‌های Street View گوگل مپ، کاربران می‌توانند مکان‌های واقعی را به‌عنوان نقطه‌ی شروع انتخاب کرده و دنیاهایی بسازند که ریشه در واقعیت دارند، از جمله بازسازی صحنه‌های تاریخی یا کاوش شرایط جوی حاد.

سخن پایانی

پروژه جنی نشان می‌دهد که هوش مصنوعی دیگر به تولید متن، تصویر یا ویدیوهای ثابت محدود نمی‌ماند و به‌سمت خلق محیط‌های زنده و تعاملی حرکت کرده است. گوگل دیپ‌مایند با این ابزار آزمایشی، گامی عملی در مسیر توسعه‌ی مدل‌های جهانی برداشته است؛ فناوری‌ای که به گفته‌ی این شرکت، نقشی کلیدی در آموزش ایجنت‌های هوشمند، پیشرفت رباتیک، و در نهایت، دستیابی به هوش عمومی مصنوعی خواهد داشت.

هرچند پروژه جنی هنوز در مراحل ابتدایی خود قرار دارد و با محدودیت‌های فنی قابل‌توجهی همراه است، اما مسیر آن روشن است: تبدیل توصیف‌های ساده‌ی انسانی به دنیاهایی قابل‌کاوش و پویا. با توجه به سرعت پیشرفت نسخه‌های پیشین Genie، طبیعی است که انتظار داشته باشیم این فناوری در آینده‌ای نزدیک، هم از نظر دسترسی و هم از نظر قابلیت‌ها، توسعه‌ی چشمگیری پیدا کند.