10月28日、Ars Technicaが「DeepMind unveils Genie 4 world model promising more realistic physics and humans」と題した記事を公開した。Google DeepMindが発表した新しい世界モデル「Genie 4」は、物理シミュレーション精度の向上に加え、音声（audio）の生成対応とよりリアルな人物描写という二つの大きな機能追加を果たしており、AGI実現に向けた同社の世界モデル戦略の最新到達点として注目を集めている。
Genie 3からGenie 4へ——世界モデル競争の文脈
昨年、Google DeepMindがGenie 3を発表した際、ゲーム業界に大きな衝撃を与えたと報じられた（株価への影響についてはArs Technicaの当該記事が出典であり、本稿はその報道に基づく）。以来、世界モデル（world model）はAIラボ各社にとって主要な研究領域となっている。DeepMindの他にも、MetaやOpenAIといった主要プレイヤーが世界モデルの研究・開発を加速させており、仮想環境のリアルタイム生成をめぐる競争は業界全体で激化している。Genie 4はそうした競争環境の中で投入された、DeepMindの最新の回答だ。
「世界モデル」とは、事前にレンダリングされた環境やプログラムされたインタラクティブ要素を必要とせず、プロンプトに基づいてリアルタイムにフレームを生成しながら仮想世界を作り上げるモデルだ。ユーザーが「何を体験したいか」を入力するだけで、モデルがその場で世界を生成しながら探索できる。
音声対応とリアルな人物描写——Genie 4の新機能
元記事タイトルが示す通り、Genie 4の新機能として特筆すべきは音声（audio）生成への対応と、仮想空間内の人物描写のリアリティ向上だ。
従来のGenie 3では映像（ビジュアル）の生成が中心であったが、Genie 4では生成される仮想世界に音声が加わり、環境音やインタラクションに伴うサウンドがリアルタイムで生成される。これにより、視覚と聴覚を統合した没入感のある仮想体験に一歩近づいた。
また、人物描写についても精度が向上しており、仮想空間内に登場するキャラクターの動作・外見・振る舞いがよりリアルに再現されるようになったとDeepMindは説明している。ロボット訓練やクリエイティブ用途において、人間的な動きを正確にシミュレートする必要性は高く、この改善は実用上の意義が大きい。
Gemini 3.8 Flashが「監督役」として機能する設計
Genie 4の技術的な核心は、**Gemini 3.8 Flashをガイドエージェントとして組み込んだアーキテクチャ**にある。
世界を生成する際、Gemini 3.8 Flashがゴールを分解し、各出力フレームを逐次評価する役割を担う。これにより、ユーザーが異なる環境を移動しても元のコンテキストを保持しやすくなっている。推論モデルが内部プロンプトを追加生成しながら出力を絞り込む手法と構造的に似ており、DeepMindはこの設計によって生成の一貫性と応答性を両立させようとしている。
なお、文中でリンクしているGemini 3.8 FlashのURLはDeepMindの公式ブログを指しており、Ars Technicaの元記事とは別のソースであることをご留意いただきたい。
ただし、DeepMindは一貫性の保持は依然として数分程度が限界であることを明示している。長時間のセッションでは、シミュレーションが「最初の状態をどう見えたか」を忘れ始める。この課題はGenie 3から引き継がれており、現時点では未解決だ。
Genie 3同様、パラメーターのリアルタイム変更もサポートしている。天候の変更、要素の追加、カメラアングルの切り替えといった操作をミッドストリームで行え、変更のたびにGeminiがシミュレーションを再調整する。
物理シミュレーション精度の向上
DeepMindによれば、Genie 4は物理シミュレーションの再現精度がGenie 3から大幅に改善されている。映像を見るとビデオゲームのように見えるが、DeepMindはこの技術をゲームとは異なる文脈で位置づけている。
同社が挙げる主な用途は2つだ：
- 物理ロボットの訓練環境を無限に生成すること
- クリエイティブ分野における高速プロトタイピングの新たな手段となること
いずれも、世界モデルがAGI（汎用人工知能）へ向かう上での重要な構成要素だという立場を同社は一貫して取っている。音声対応やリアルな人物描写といった今回の追加機能も、単なる表現力の向上ではなく、より汎用的なシミュレーション環境の実現という目標に沿ったものとして捉えると理解しやすい。
商用提供の見通し
DeepMindは、十分な費用を支払えばGenie 4を比較的近い時期に利用できる可能性を示唆している。具体的な料金体系やリリース日は明かされていないが、商用利用を前提とした展開を想定していることは明らかだ。
世界モデルの研究は現在、DeepMindのみならずMeta・OpenAIを含む複数のAIラボが注力する領域となっており、Genie 4の登場——とりわけ音声対応という新軸の追加——はその競争をさらに加速させる可能性がある。
詳細はDeepMind unveils Genie 4 world model promising more realistic physics and humansを参照していただきたい。
