Google conectează Street View la modelul Genie pentru simulări interactive de străzi reale

Ne-am uitat cu totii pe Street View in Google Maps ca sa aratam unui prieten cum arata casa in care am copilarit sau am plasat micuta pictograma de omulet pe strazile din Paris ca sa verificam daca hotelul rezervat e intr-un cartier interesant. Imaginati-va acum ca puteti face acelasi lucru, dar intr-un mod mult mai imersiv si interactiv, care va permite sa simulati cu adevarat strada si imprejurimile ei, sa ajustati vremea sau chiar sa vedeti cum ar arata locul intr-un scenariu de tip „The Day After Tomorrow”.

Aceasta este una dintre tintele noii integrari lansate de Google. Incepand de astazi, Google DeepMind conecteaza Street View la Project Genie, modelul sau general al lumii, capabil sa genereze medii diverse si interactive. Noua functionalitate a fost prezentata in cadrul conferintei pentru dezvoltatori Google I/O.

„E foarte puternic atat pentru scenariile cu agenti si robotica, cat si pentru oameni, care se pot juca cu el, si asta a fost mereu teza din spatele Genie”, a declarat Jack Parker-Holder, cercetator in echipa de „open-endedness” a DeepMind.

El a dat exemplul unui nou robot trimis sa opereze la Londra, un oras in care soarele iese rar. Genie ar putea, spune Parker-Holder, sa simuleze acele momente putine in care lumina soarelui se reflecta in ferestrele caselor victoriene, astfel incat razele sa nu socheze robotul atunci cand chiar apar.

„In acelasi timp, ai putea spune: «Merg la New York, dar nu in perioada asta a anului. Va fi zapada. Vreau sa vad cum arata strada aceea acoperita de zapada»”, a continuat el.

De 20 de ani, Google colecteaza date pentru Street View folosind masini echipate cu camere si persoane care poarta „backpack-uri tracker”. Gigantul tech a adunat pana acum peste 280 de miliarde de imagini, acoperind 110 tari de pe toate cele sapte continente.

„Cu Street View avem imagini dintr-o mare parte a lumii”, a spus Jack. „Iti poti imagina cat de puternica devine combinatia dintre aceasta sursa bogata de informatie din lumea reala si capacitatea de a simula lumi.”

Google a lansat cel mai recent world model, Genie 3, in regim de „research preview” in august anul trecut si a deschis accesul la acest instrument pentru abonatii Google AI Ultra din SUA in ianuarie, permitand utilizatorilor sa creeze lumi de joc interactive pornind de la descrieri text sau imagini. Obiectivul este ca Genie sa fie folosit pentru experiente educationale, gaming si antrenarea sistemelor robotice.

Genie 3 deja alimenteaza unul dintre simulatoarele Waymo, folosit pentru a antrena masinile sale autonome in fata unor „evenimente extrem de rare”, precum tornade sau intalniri neasteptate cu elefanti. Integrarea datelor Street View ar putea ajuta Waymo sa se pregateasca pentru lansari in mai multe orase de pe glob.

Waymo are propriul simulator, pe care s-a bazat pentru a se extinde in 11 orase din SUA si pentru a testa soferul sau AI in si mai multe locuri. Diferenta adusa de Genie, spune Parker-Holder, este ca acele scenarii sunt toate din perspectiva masinii. Street View permite nu doar simularea unei lumi ancorate intr-un loc real, ci si schimbarea punctului de vedere catre alti agenti, cum ar fi un om sau un robot.

Google lanseaza Street View in Genie pentru unii utilizatori Ultra din Statele Unite incepand de astazi, urmand ca accesul sa se extinda treptat. In urmatoarele saptamani, utilizatorii Ultra din intreaga lume vor primi si ei acces, potrivit companiei.

Scopul cercetatorilor este ca aceasta noua capabilitate sa ajunga la cat mai multi oameni, spune Diego Rivas, product manager la DeepMind. El atrage insa atentia ca atat Street View in mod particular, cat si Genie in general sunt inca experimentale, asa ca mai e mult de lucrat la capitolul acuratete.

In mostrele pe care echipa Google le-a prezentat — inclusiv o simulare subacvatica a cartierului in care locuisem candva — rezultatele sunt impresionante si usor de recunoscut, dar au inca aspect de joc video, nu de imagine fotorealista. Modelele nu sunt nici constiente de fizica in mod deplin: nu inteleg cauza si efectul. De exemplu, intr-o simulare cu o femeie care alerga printr-un Joshua Tree inzapezit, aceasta trecea direct prin cactusi si tufe.

Daca le comparam cu instrumente precum Nano Banana, generatorul de imagini al Google — care poate produce acum text perfect lizibil in infografice — sau cu generatorul de video Veo — care intelege ca barcutele de hartie plutesc pe curenti de apa, fumul se disperseaza in aer sau ca materialele textile se muleaza pe forme — vedem clar diferenta de maturitate dintre tehnologii.

Legile fizicii nu sunt preprogramate explicit in aceste modele; ele sunt invatate treptat, intr-un mod intuitiv, prin observatie pasiva, asemenea unui organism viu.

„Cred ca pentru acest tip de model, suntem poate cu sase pana la 12 luni in urma fata de video in ceea ce priveste acuratetea si calitatea, asa ca sunt convins ca vom rezolva asta”, a spus Parker-Holder.

Jonathan Herbert, director in cadrul Google Maps, care si-a inceput cariera in echipa Street View acum 12 ani, ca intern, a explicat ca Genie nu poate deocamdata sa reconstruiasca perfect o strada. In opinia sa, adevarata descoperire sta in continuitatea spatiala a AI-ului. Daca te rotesti 360 de grade, inteligenta artificiala isi aminteste corect si simuleaza mediul din spatele tau. De acolo, modelul poate construi un nou mediu peste acel cadru deja inteles.

„Ne gandim de multa vreme cum putem construi cel mai bun si mai bogat model al lumii plecand de la datele Street View”, a spus Herbert. „A fost, intr-adevar, o idee pe care o avem de mult: sa folosim datele din Maps in moduri noi si pentru noi tipuri de cercetare in domeniul inteligentei artificiale.”