Genie 4 மற்றும் ரோபோ பயிற்சி மைதானங்களாக World Model-களின் எழுச்சி: கூகிளின் உருவகப்படுத்தல் முதலீடு என்ன நிரூபிக்கிறது, என்ன நிரூபிக்காமல் விடுகிறது, வணிகங்கள் எப்படித் தயாராக வேண்டும்

அறிமுகம்: AI உருவாக்கும் உலகத்திற்குள் ஒரு ரோபோ தன் வேலையைக் கற்க முடியுமா?

நிஜ உலகில் ஒரு ரோபோவுக்குப் பயிற்சி அளிப்பது மெதுவானது, விலையுயர்ந்தது, சில நேரம் ஆபத்தானது; அதனால் இயந்திரங்கள் AI உருவாக்கும் உலகங்களுக்குள் பயிற்சி பெறட்டும் என்று கூகிள் விரும்புகிறது.

நிஜ உலகில் ஒரு ரோபோவுக்குப் பயிற்சி அளிப்பது மெதுவானது, விலையுயர்ந்தது, சில நேரம் ஆபத்தானது; அதனால் இயந்திரங்கள் AI உருவாக்கும் உலகங்களுக்குள் பயிற்சி பெறட்டும் என்று கூகிள் விரும்புகிறது.

அக்டோபர் 27, 2026 அன்று கூகிள் Genie 4 ஐ அறிவித்தது. இது இயல்பான மொழியால் வழிநடத்தக்கூடிய ஊடாடும் உருவகப்படுத்தல்களை உருவாக்கும் ஒரு world model. இவ்வாறு உருவாக்கப்படும் உலகங்கள் ரோபோக்களுக்கும் AI முகவர் முறைமைகளுக்கும் பயிற்சி மைதானங்களாகும் என்று கூகிள் கூறுகிறது.

தனியார் AI மாதிரி உருவாக்குநரும் AI பாதுகாப்பு ஆலோசகருமாக, இந்த அறிவிப்பு என்ன நிரூபிக்கிறது, என்ன நிரூபிக்கவில்லை என்பதைப் பிரித்துப் பார்க்க விரும்புகிறேன். வெளியிடப்பட்ட ஆதாரங்களை மட்டுமே பயன்படுத்தி, உண்மைகள், பொருளாதாரம், ஆதாரங்கள், நடைமுறைப் படிகள் ஆகியவற்றை இக்கட்டுரை விளக்குகிறது.

1. கூகிள் உண்மையில் என்ன அறிவித்தது

Genie 4 நிகழ்நேரத்தில் ஊடாடும் உலகங்களை உருவாக்குகிறது. இயல்பான மொழி கட்டளைகளால் கேமராவை நகர்த்தலாம், வானிலையை மாற்றலாம், புதிய கதாபாத்திரங்களைக் கொண்டு வரலாம்; காட்சி உடனே பதிலளிக்கும்.

இந்தப் பதிப்பு இயல்பான ஒலியையும் சேர்க்கிறது. சூழல் ஒலிகள், இசை, உரையாடல் ஆகியவை காட்சிகளுடன் சேர்ந்தே உருவாக்கப்படுகின்றன; இது உருவகப்படுத்தலை நிஜச் சூழலுக்கு நெருக்கமாக உணர்த்துகிறது.

அணுகல் இப்போது வரையறுக்கப்பட்டது. Genie 4 குறைந்த எண்ணிக்கையிலான நம்பகமான பரிசோதனையாளர்களுக்கு வழங்கப்படுகிறது; அடுத்து Google AI Ultra சந்தாதாரர்களுக்கும் Gemini API மற்றும் AI Studio முன்கூட்டிய கூட்டாளர்களுக்கும் கிடைக்கும்.

2. மாதிரிகளின் தொகுதி பணியை எப்படிப் பகிர்கிறது

Genie 4 தனியாக இயங்குவதில்லை. ஒவ்வொரு உருவகப்படுத்தலையும் நிஜ உலகத் தோற்றத்திலும் நடத்தையிலும் Gemini Omni நிலைநிறுத்துகிறது; காட்சியின் ஒற்றுமையைக் காக்கும் பகுத்தறிவை வேறு Gemini மாதிரிகள் கையாளுகின்றன என்று கூகிள் கூறுகிறது.

Gemini 3.8 Flash ஒரு இயக்குநரைப் போலச் செயல்படுகிறது. பயனரின் இலக்கைப் படிகளாகப் பிரித்து, ஒவ்வொரு புதிய சட்டகமும் அறிவுரையைப் பின்பற்றியதா என்று சரிபார்த்து, காட்சி மாறும்போது சரிசெய்கிறது.

முக்கியக் காட்சிப் படுத்தலில் Gemini 4 Argon ஒரு சதுரங்க ஆட்டத்தை உரைப் படிகளாகப் பிரிக்க, Genie 4 Apptronik-இன் Apollo மனித வடிவ ரோபோ ஒருவருடன் ஆடுவதை உருவகப்படுத்தியது. அந்தச் சுழற்சியில் உண்மையான ரோபோ கட்டுப்பாட்டு முறைமை இருந்ததாகக் கூகிள் விவரிக்கவில்லை – இது முக்கியமான விவரம்.

3. உருவகப்படுத்தல் பொருளாதாரம் ஏன் முக்கியம்

ரோபோக்களுக்கான நிஜ உலகப் பயிற்சித் தரவைச் சேகரிப்பதே துறையின் முக்கியத் தடை. ஒவ்வொரு மணிநேர இயற்கைப் பயிற்சிக்கும் உபகரண நேரம், மேற்பார்வை, சில நேரம் உடைந்த வன்பொருள் ஆகியவை செலவாகின்றன.

AI உருவாக்கும் உலகம் அந்தப் பயிற்சியின் ஒரு பகுதியை மாற்ற முடிந்தால், செலவுக் வளைவு மாறும். ஒரு உண்மையான தவறைத் துணிவதற்கு முன் ஒரு ரோபோ உருவகத்தில் பத்தாயிரம் முறை தவறிவிழலாம்.

மூலதனச் சந்தைகள் ஏற்கனவே இந்த மாற்றத்துக்கு விலை போட்டுவிட்டன. செப்டம்பரில் AMD சுமார் 8.2 பில்லியன் அமெரிக்க டாலருக்கு World Labs ஐ வாங்க ஒப்புக்கொண்டது; அக்டோபரில் Rivian world-model நிறுவனமான Third Dimension ஐ வாங்கியது; Amazon Decart ஐ வாங்கப் பேச்சுவார்த்தை நடத்தியதாகச் செய்திகள் உள்ளன. ஜனவரியில் Genie 3 கட்டண சந்தாதாரர்களுக்குத் திறந்தபோது வீடியோ கேம் பங்குகள் கடுமையாகச் சரிந்தன.

4. காட்சிப் படுத்தலை அல்ல, ஆதாரத்தைத் தணிக்கை செய்யுங்கள்

Genie 4 க்கான எண்ணியல் மதிப்பீடுகளைக் கூகிள் இதுவரை வெளியிடவில்லை. அறிவிப்பு தேர்ந்தெடுக்கப்பட்ட காட்சிப் படுத்தல்களைச் சார்ந்துள்ளது; தேர்ந்தெடுக்கப்பட்ட காட்சிகள் சந்தைப்படுத்தல் பொருள், அளவீடு அல்ல.

வரம்புகள் பதிவில் உள்ளன. உருவகப்படுத்தல்கள் சுமார் இரண்டு நிமிடங்கள் வரை இயங்குகின்றன – Genie 3 ஐப் போலச் சுமார் இரட்டிப்பு. ஆனால் அந்த வரம்பை எட்டினாலும் காட்சி முழுவதும் நிலைத்திருக்கும் என்ற உத்தரவாதம் இல்லை என்று DeepMind ஆராய்ச்சியாளர் Hang Qi குறிப்பிட்டுள்ளார்.

ஒரு காட்சிப் படுத்தலில் காணக்கூடிய இயற்பியல் பிழையும் உள்ளது: தர்பூசணி மீது விழுந்த பளிங்குச் சிலை சரிந்து விழாமல் தன் பீடத்திலேயே தங்கிவிடுகிறது. தயாரிப்பு மேலாளர் Diego Rivas TechCrunch-இடம் தங்கள் குழு "இன்னும் ஆராய்ச்சிப் பயணத்தில்தான்" இருப்பதாகவும் "இறுதித் தயாரிப்புப் பயணத்தில் இல்லை" என்றும் கூறினார்.

இவை எதுவும் ஆராய்ச்சியின் மதிப்பைக் குறைப்பதல்ல. வாங்குபவர் Genie 4 ஐ அளவீட்டின் கீழுள்ள நம்பகமான முறைமையாகவே பார்க்க வேண்டும்; நிரூபிக்கப்பட்ட தளமாக அல்ல என்பதே இதன் பொருள்.

5. போட்டித் துறை இரு வடிவமைப்புகளாகப் பிரிகிறது

ஒவ்வொரு world model-ம் ஒரே மாதிரி இயங்குவதில்லை. Genie 4 மற்றும் Runway-இன் GWM Worlds 2 நிகழ்நேர வீடியோவை உருவாக்குகின்றன; இது ஊடாடும் வழிநடத்தலுக்கும் குறுகிய அமர்வுகளுக்கும் ஏற்றது.

Fei-Fei Li-யின் World Labs-இன் Marble மற்றும் Tencent-இன் HY-World 2.0 நிலையான 3D காட்சிகளை உருவாக்குகின்றன; நீண்ட காலம் நிலையாக இருக்க வேண்டிய இடங்களுக்கு இது ஏற்றது. தலைப்புச் செய்தி கூற்றுகளை ஒப்பிடுவதற்கு முன், எந்த வடிவமைப்பு தங்கள் தேவைக்குப் பொருந்தும் என்று வாங்குபவர்கள் கேட்க வேண்டும்.

AMD, Rivian, Amazon நகர்வுகள் காட்டுவது போலத் துறை விரைவாக ஒருங்கிணைகிறது. இரண்டு வருடங்களில் குறைந்த எண்ணிக்கையிலான பெரிய வழங்குநர்களை எதிர்பார்க்கலாம்.

6. ஆஸ்திரேலிய நிறுவனங்களுக்கு இதன் பொருள் என்ன

உற்பத்தி, விநியோகம், சுரங்கம், விவசாயம் ஆகியவை தவறுகள் விலையுயர்ந்த இயற்கைச் செயல்பாடுகளைச் சார்ந்துள்ளன. உருவக அடிப்படையிலான பயிற்சி அவற்றுக்கு நேரடியாகப் பொருத்தமானது; ஆனால் இத்தொழில்நுட்பம் இன்னும் நம்பகமான தளம் அல்ல.

புத்திசாலித்தனமான நிலை இப்போது மதிப்பீட்டுத் திறனை உருவாக்குவது. மலிவாகச் சோதியுங்கள்; எந்த விற்பனையாளரிடமும் எண்ணியல் மதிப்பீடுகளையும் நிலைத்தன்மை எண்ணிக்கைகளையும் கேளுங்கள்; நிஜத் தரவுச் சேகரிப்பு விலையுடன் ஒரு உருவக மணிநேரத்தின் விலையை ஒப்பிட்டுப் பதிவு செய்யுங்கள்.

இந்தக் காலாண்டின் செயல்பாடுகளை ஆராய்ச்சி முன்னீட்டப் பதிப்பின் மீது கட்ட வேண்டாம். ஆதாரங்கள் காட்சிப் படுத்தல்களைப் பிடிக்கும்போது விரைவாக நகர உள்ளக அறிவை உருவாக்குங்கள்.

7. வணிகத் தலைவர்களுக்கான உலகப் பாடங்கள்

முதலில், நிரூபிக்கப்பட்ட திறனையும் கூறப்படும் எதிர்காலப் பாதையையும் பிரியுங்கள்; விற்பனையாளர்கள் பாதையைச் சந்தைப்படுத்துவார்கள், திறனையே சோதிப்பார்கள். இரண்டாவதாக, மூலதன ஓட்டங்களைப் பின்தொடருங்கள்; தயாரிப்புகள் நிரூபிப்பதற்கு முன் பெரிய நிறுவனங்கள் என்ன நம்புகின்றன என்பதை கையொப்பமிட்டல்கள் வெளிப்படுத்தும். மூன்றாவதாக, world-model வடிவமைப்பை பயன்பாட்டுத் தேவைக்குப் பொருத்துங்கள்; நிகழ்நேர வீடியோவும் நிலையான 3D-யும் வெவ்வேறு பிரச்சினைகளைத் தீர்க்கின்றன. இறுதியாக, ஆதாரத் தணிக்கை முறையைத் தொடருங்கள்: எந்த நிதி ஒதுக்கீட்டுக்கும் முன் அளவிடப்பட்ட மதிப்பீடுகள், அறியப்பட்ட வரம்புகள், பெயரிடப்பட்ட தோல்வி முறைகள் ஆகியவற்றைக் கேளுங்கள்.

முடிவுரை: வாக்குறுதிக்கு விலை கொடுப்பதற்கு முன் நிரூபிக்கப்பட்டதை எண்ணுங்கள்

World model-கள் ரோபோட்டிக்ஸ் துறையின் பயிற்சி மைதானங்களாகலாம். இன்றைய நேர்மையான நிலை: காட்சிப் படுத்தல்கள் கணிசமானவை, மதிப்பீடுகள் இல்லை, கவனத்துடன் பார்க்குமளவுக்குப் பொருளாதாரம் கவர்ச்சிகரமானது.

செயற்கை நுண்ணறிவு உலகங்களை உருவாக்கும். கணிதம் கணக்கைச் சரியாக வைத்திருக்கும். அளவிடப்பட்டதற்கு நிதியளித்து, வெறுமனே காட்டப்பட்டதை வினாவுவோரே ஒழுக்கமான தலைவர்கள்.

உசாத்துணைகள் மற்றும் மேலும் வாசிக்க

By Keshavan Thiagaraja