Giriş yap

Foundation World Model: Genie’nin 11 Milyar Parametreden 24 FPS’e Yolculuğu

520 kelime3 dk okuma

Genie 3, metin isteminden üretilen bir dünyada 720p çözünürlükte saniyede 24 kare hızında, dakikalarca görsel tutarlılık koruyan ilk gerçek zamanlı etkileşimli foundation world model olarak, otonom ajanların eğitimini pahalı gerçek dünya verisinden ucuz sentetik simülasyona taşıma vaadini taşıyor; hedef sürekliliği, eylem çeşitliliği ve coğrafi sadakat gibi sınırlar ise sürüyor.

Dünya modeli ne demek?

Dünya modeli, bir ortamın geleceğini eylemlere bağlı olarak simüleleyen sinir ağıdır. Video üreteçlerinden ayıran iki şey var: çıktının dizisine kullanıcı kararlarının girmesi ve aynı dünyada dakikalar sonra döndüğünüzde manzaranın yerli yerinde durması. Yani etkileşim ve tutarlılık birlikte ölçülüyor.

Bu hedef, son iki yılın en hızlı kavramsal kaymasını taşıdı: ölçek yasası dil modelinden video verisi ve fizik sezgisine doğru taşındı. Genie hattı, bu kaymanın sembolik adı oldu.

Genie ve Genie 2: 11 milyardan 3D’ye

Şubat 2024’te tanıtılan Genie, 11 milyar parametreli bir foundation world modeldi: etiketsiz internet oynanış videolarından gizli eylem modeliyle kontrolleri kendi kendine öğrendi ve üretilen ortamlarda kare kare oynanabildi. Gösterişli demodan çok, denetmensiz öğrenmenin varlığı haberdi.

Aralık 2024’te Genie 2 tek bir görselden oynanabilir 3B ortamlar üretti; ortam tutarlılığı bir dakikaya kadar sürüyordu ve DeepMind bunu gömülü ajan eğitimi ile sentetik veri kaynağı olarak konumlandırdı.

Genie 3: gerçek zaman ve dakikalar

5 Ağustos 2025’te duyurulan Genie 3, şirketin ilk gerçek zamanlı etkileşimli dünya modeli: metin isteminden doğan dünyada saniyede 24 kare ve 720p çözünürlükte dakikalarca görsel tutarlılık korunuyor, istem güncellemeleriyle hava ve sahne dönüşebiliyor.

Asıl vurgu eğitim tarafında: DeepMind, Gemini tabanlı gömülü ajanları Genie 3 dünyalarında gezinmek üzere yönlendiriyor; pahalı gerçek dünya verisi yerine tükenmeyen, ucuz sentetik görevler. Ölçek video demo olmaktan çıkıp çalışan simülatöre dönüştü.

Şirketler değil, teknolojiler yarışı

Dünya modeli cephesinde ayrı hikâyeler var: Yann LeCun, Meta’dan ayrılışını dünya modeli araştırmasına bağlarken Fei-Fei Li’nin World Labs’ı mekânsal zekâyı şirketleştiriyor. Genie ise aynı yarışın laboratuvar tarafını temsil ediyor: şirket değil, üst üste binen üç sürüm ve bir platform.

Üç hattın ortak referansı tek: dil modelinin dünyayı betiklemesi değil, yaşaması. Hangi yolun — JEPA’nın, mekânsal temsilin mi, video tabanlı simülasyonun mu — ajan eğitiminde kalıcı olacağı ise açık soru.

Sınırlar ve riskler

DeepMind yayımlanan örneklerde uzun hedef sürekliliğinin, eylem uzayı çeşitliliğinin ve çok ajanlı etkileşimin açık eksikler olduğunu belirtiyor; gerçek yerlerin coğrafi sadakati de kusurlu. Yani her şeyin simülatörü değil, dar ama işleyen bir eğitim zemini var.

Yine de yön değişti: dünya modeli, video üretimünün gösterisinden ajan araştırmasının altyapısına geçti. Sıradaki soru, bu sentetik dünyalarda öğrenilen davranışın ne kadar gerçeğe taşınacağı.

  • İnteraksiyon ufku dakikalarla sınırlı, hedef sürekliliği sonra çöküyor
  • Eylem uzayı kısıtlı; çok ajanlı dünya henüz yok
  • Gerçek mekânların coğrafi sadakati ve nesne sürekliliği kusurlu
  • Ajan eğitimi vaadi, simülasyon–gerçek arasındaki transfer riskini taşıyor
  • Video üretimiyle paylaşılan altyapı, derin sahte içerik tartışmasını büyütüyor

Sık sorulan sorular

Genie 3 bir oyun motoru mu?

Hayır; fizik kuralları elle kodlanmıyor, kareler sinir ağının gelecek tahmininden geliyor. Motor tabanlı simülasyondan farkı bu: tutarlılık olasılıksal ve öğrenilmiş, garantili değil.

Video üreteçlerinden farkı ne?

İstemden üretilen pasif klip yerine eylemlere yanıt veren kapalı döngü sistem: girdi, gözlem ve durumun dakikalarca korunması. Gerçek zamanlılık, yani 24 fps etkileşim, bu farkı ajan eğitimine açıyor.

Ajan eğitimi neden bu kadar önemli?

Gömülü sistemler ve robotik için gerçek dünya verisi pahalı, yavaş ve riskli. Sınırsız çeşitlilikte ucuz görev üretebilen bir dünya modeli, genelleme testinin ölçeğini değiştiriyor; DeepMind bunu temel gerekçe olarak sunuyor.

DeepMind dışında kim çalışıyor?

LeCun’un dünya modeli hattı ve Fei-Fei Li’nin World Labs’ı ticarileşme iddiasıyla yürüyor; OpenAI’ın Sora çizgisi video üretimi tarafına yakın. Üçü de “dünya modeli” ifadesini farklı tekniklerle dolduruyor; ortak nokta etkileşim ve tutarlılık.

Kaynakça

  1. Genie 3: A new frontier for world modelsGoogle DeepMind
  2. Genie 2: A large-scale foundation world modelGoogle DeepMind
  3. Genie: Generative Interactive EnvironmentsarXiv

Bu konuyla ilgili haberler