A vezető technológiai vállalatok évek óta versengenek, hogy kinek a mesterséges intelligenciája képes jobb minőségű szövegek, képek vagy akár videók létrehozására, mára pedig elértük azt a pontot, ahol az MI már egyszerű utasítások alapján komplett videójátékokat is megalkot. Ez egy kicsit olyan, mint egy futurisztikus álom, de a Google DeepMind által fejlesztett Genie 2-vel ez a valóság. Ez a forradalmi eszköz képes arra, hogy egyetlen képi utasításból 3D-környezeteket hozzon létre irányítható karakterekkel, melyeket emberek és az MI egyaránt irányíthatnak. Tudom, sokan feleslegesnek tartják az ilyesmit, viszont a játékok fejlesztése kulcsfontosságú a mesterséges intelligencia kutatásában. Amellett, hogy szórakoztatók, kihívásokkal teliek, mérhető fejlődést is lehetővé tesznek, ez pedig ideális tesztkörnyezet. A DeepMind története is ezt igazolja, az Atari-játékokkal kezdődő kutatások, mint az AlphaGo és az AlphaStar világhírű eredményeket hoztak. Emlékezzünk csak vissza arra, amikor ezek a programok megverték a világ legjobb gojátékosait. A játékok azonban eddig szigorú korlátok közé szorították az általánosabb MI-k betanítását, hiszen a gazdag és változatos környezetek megalkotása idő- és erőforrás-igényes feladat volt. Az erőforrásigény valószínűleg továbbra is megmaradt, hiszen sokszor érik azok a kritikák az MI-t, hogy túl sokba kerül, az üzemeltetése, betanítása, hardverigénye igen magas, viszont úgy tűnik, az idővel mint tényezővel már nem kell számolnunk.

A Genie 2 nem egyszerű játékgenerátor, hanem világmodell, mely képes virtuális világok szimulálására és az azokban végrehajtott akciók következményeinek megjelenítésére. A világmodell fogalma azt jelenti, hogy a Genie 2 nemcsak a környezetet, hanem akciókat és azok következményeit vagy a bekövetkező változásokat is modellezi, legyen szó ugrásról, úszásról, ajtókon belépésről vagy tárgyak manipulálásáról. A modell Imagen 3 által generált képekből indul ki. Vagyis a felhasználók, tehát mi, leírást adhatunk a megálmodott világról, kiválaszthatjuk a legszimpatikusabb megjelenítést, és máris beléphetünk ebbe az általunk létrehozott új 3D-környezetbe. Egy ilyen játékként használható, vagy tesztkörnyezetként szórakoztathatja és taníthatja a mesterséges intelligenciát. A Genie 2 legnagyobb érdeme, hogy lehetőség van prototípusokat készíteni pillanatok alatt. Már egy egyszerű koncepciós rajzból vagy vázlatszerű ábrából is képes teljes értékű, interaktív, 3D-környezeteket létrehozni. Ez forradalmi változást hoz a játékfejlesztésben és a kutatási környezetek kialakításában, hiszen eddig jobb esetben csak hetek, de inkább hónapok kellettek az egyedi tesztkörnyezetek megalkotásához.

A Genie 2 az MI-modell képzését is átalakítja. Az általános MI-modell feladata az, hogy ismeretlen környezetekben is képes legyen útmutatás nélkül cselekedni. A DeepMind SIMA nevű MI-modellje a Genie 2 által generált környezetekben úgy teljesít feladatokat, hogy azokat korábban nem látta. Egy egyszerű példa: a SIMA képes felismerni, hogy az utasítás szerint egy piros és egy kék ajtó közül melyiket nyissa ki. A Genie 2 abban is eltér más megoldásoktól, hogy „emlékezni tud” a korábban generált tartalmakra. Vagyis ha a játékos megfordul, ugyanaz a látvány fogadja, mint korábban. Ez kulcsfontosságú a valósághű élményhez, hiszen a hagyományos modellek gyakran elfelejtik a korábbi állapotokat, amikor a kamera szöge változik. A Genie 2 azonban képes fenntartani az egységes világképet.

A Genie 2 jelenlegi változata már most lenyűgöző képességekkel bír — azon a szinten van, mint az először megjelenő képgeneráló programok —, de a DeepMind célja, hogy a világgenerálás minél szélesebb körben alkalmazható és konzisztens legyen, illetve képes legyen minél többféle változatosabb és univerzálisabb környezetet létrehozni. Célja tehát, hogy a generált világok ne csak specifikus, előre meghatározott típusúak legyenek (pl. erdő, város, szoba), hanem sokféle stílusban, műfajban és szabályrendszerben is megjeleníthetők legyenek — a felhasználó utasításai alapján. Az MI viszont egyelőre még nem alkalmas valódi videójátékok generálására, hiszen a tesztek során átlagosan 10-20 másodpercig, de legfeljebb 1 percig tudott konzisztens világokat létrehozni. Egyes becslések szerint tíz éven belül elérhetjük azt a határt, amikor az MI teljes játékokat tesz majd le az asztalra, a Genie 2 pedig fontos lépés ebbe az irányba.

A generatív MI-megoldások gyakran szembesülnek jogi kérdésekkel, és ez alól a Genie 2 sem kivétel. A DeepMindnak fel kell készülnie arra, hogy bizonyítsa, a modell nem használt fel jogvédett játékforrásokat a betanítás során. Az OpenAI és más generatív MI-fejlesztők már most is több peres ügyben érintettek, melyekben azt állítják a felperesek, hogy a modellek engedély nélkül használtak fel jogvédett anyagokat a tanuláshoz. A DeepMind hangsúlyozza, a technológiát felelősségteljesen kívánják fejleszteni, figyelembe véve a biztonsági és az etikai kérdéseket is.

Az MI-generált képek és videók már most is képesek hamis információk terjesztésére, és a deepfake videók jó példái ennek, hiszen már a szakértőknek is nagy kihívás megkülönböztetni a generált tartalmat a valóságtól, a hozzá nem értőket pedig ott csapják be, ahol akarják. De mi történik, ha egy MI által generált 3D-világ élethűen rekonstruálja valódi események helyszíneit? Egy ügyesen összeállított szimuláció képes lehet eltorzítani a közvéleményt, ha valaki azt hiszi, hogy egy valódi eseményt lát. Volt is erre példa a mostani amerikai elnökválasztás kapcsán, amikor éljenző tömeget „varázsoltak” a választás második helyezettje elé, a tükröződő felületekre viszont nem figyeltek, és így látni lehetett, hogy üres reptérre érkezett.

A veszélyek mellett érdemes szót ejteni a Genie 2 pozitív felhasználási lehetőségeiről is, melyek utat nyithatnak az oktatás, az egészségügy és az ipari szektor számára. A Genie 2 tehát nemcsak a játékfejlesztés eszköze, hanem az általános mesterséges intelligencia (AGI) felé vezető út egyik mérföldköve is. Az, hogy képes szinte bármit 3D-világgá alakítani egy egyszerű képből és szöveges utasításból, új távlatokat nyit az MI-kutatás, a játékfejlesztés és a kreatív iparágak számára. Képzeljük csak el, ahogy az iskolákban a diákok interaktív órákon vehetnek részt, ahol a tanár egyetlen utasítással megjeleníthet egy római kori várost vagy a Naprendszer modelljét. A száraz tankönyvi anyag helyett „átjárhatják” a tananyagot. Az orvostanhallgatók valósághű testmodelleken gyakorolhatják a műtéteket anélkül, hogy veszélyeztetnék az élő páciensek biztonságát. Az ilyen szimulációs tréningek ma már léteznek, de a Genie 2 sokkal élethűbb, dinamikusabb környezeteket tudna teremteni.

Fotók: Google Deepmind