كشفت «غوغل ديب مايند»، الثلاثاء 27 أكتوبر 2026، عن Genie 4، الجيل الجديد من «نماذج العالم» التي تولّد بيئات تفاعلية واقعية يمكن للمستخدم التجول فيها والتحكم بها لحظة بلحظة. وأبرز ما يميز النموذج الجديد، وفق المختبر، أنه أول نموذج عالم يعمل في الوقت الحقيقي ويولّد الصوت بشكل أصلي إلى جانب الصورة: الأصوات المحيطة والموسيقى، بل وحوارات تفاعلية بين الشخصيات.
ما هو «نموذج العالم»؟
نموذج العالم نوع من أنظمة الذكاء الاصطناعي لا يكتفي بتوليد صورة أو مقطع فيديو ثابت، بل يحاكي بيئة كاملة تتفاعل مع أفعال المستخدم: تتحرك فيها بلوحة المفاتيح، وتغيّر زاوية الكاميرا، فيستجيب العالم وكأنه حقيقي. وتقول «ديب مايند» في مدونتها إن فهم العالم ومحاكاته «جانب حاسم في بناء الذكاء الاصطناعي العام»، وإن هذه المحاكاة الآمنة ذات التنوع اللامحدود يمكن أن تساعد في تطوير بيئات تدريب للروبوتات والوكلاء الذكيين، إلى جانب إنشاء تجارب تفاعلية جديدة.
أربع قدرات رئيسية
أولاً، التحكم بالمشهد في الوقت الحقيقي: يستطيع المستخدم بلغة طبيعية تغيير الطقس، أو تحريك الكاميرا، أو إدخال شخص أو شيء جديد إلى المشهد أثناء تشغيله، فيما يكيّف نموذج «جيميني» الطلب مع سياق المشهد ويراقبه بين الأوامر للحفاظ على تماسكه.
ثانياً، واقعية أكبر في الفيزياء والبشر: تقول الشركة إن Genie 4 يحاكي سيناريوهات فيزيائية مثل الديناميكا الهوائية والتصادمات، وإن «القفزة الأكبر» هي في محاكاة البشر، إذ تتحرك الشخصيات بشكل طبيعي وتتفاعل مع بيئتها ويمكن توجيهها لحظياً.
ثالثاً، الصوت الأصلي: لكل عالم صوته المحيط، من حفيف الأشجار إلى تلاطم الأمواج، والأهم بحسب المختبر هو الكلام البشري، إذ يتيح النموذج حواراً تفاعلياً تتحدث فيه الشخصيات وتتفاعل مع مدخلات المستخدم وأحداث العالم.
رابعاً، محاكاة الأحداث المعقدة بالتعاون مع جيميني: يعمل نموذج Gemini 3.8 Flash كـ«وكيل موجّه» داخل الحلقة؛ يراقب المشهد ويقسم الأهداف إلى خطوات ويراجع الإطارات الواردة للتحقق من نجاح كل خطوة. كما عرضت «ديب مايند» تجربة يجمع فيها نموذج «Gemini 4 Argon» مع Genie 4 لمحاكاة الروبوت البشري «Apollo» من شركة Apptronik وهو يلعب الداما.
من يستطيع استخدامه؟
لم يُطرح Genie 4 للعامة بعد؛ إذ بدأت الشركة توفيره كمعاينة بحثية لمجموعة من «المختبرين الموثوقين»، على أن يصل لاحقاً إلى مشتركي خطة Google AI Ultra عبر منصة Project Genie، وإلى شركاء الوصول المبكر في واجهة Gemini API وGoogle AI Studio. وقالت الشركة إن المختبرين من مجالات صناعة الأفلام والصحافة والتعليم والألعاب والهندسة استخدموه، على سبيل المثال، كـ«نسخة مسودة» لتصوّر المشاهد قبل التصوير، أو لتحويل صورة أرشيفية ثنائية الأبعاد إلى محاكاة لبيئتها خلال ثوانٍ.
وتشير تقارير تقنية إلى أن Genie 4 يستطيع الحفاظ على تماسك المشهد لمدة تصل إلى دقيقتين، أي ضعف حد الجيل السابق Genie 3.
حدود ومخاوف
تعترف «ديب مايند» صراحة بأن النموذج لا يزال «مبكراً وتجريبياً»؛ فالتفاصيل البصرية وثبات الأجسام قد تنحرف مع طول الجلسة أو بعد تعديلات متعددة، كما أن التفاعلات الفيزيائية المعقدة ودقة الصوت وكتابة النصوص المقروءة والاتساق طويل الأمد لا تزال مجالات بحث مفتوحة.
وعلى صعيد السلامة، تقول الشركة إن النموذج خضع لتقييمات داخلية لمنع توليد محتوى ضار، وإن جميع الفيديوهات والأصوات المولدة به ستحمل علامة SynthID المائية غير المرئية التي تساعد على تمييز المحتوى المولد بالذكاء الاصطناعي. وتكتسب هذه النقطة أهمية خاصة مع قدرة النموذج على توليد مشاهد وأصوات بشرية شديدة الواقعية، ما يثير أسئلة معروفة حول التزييف العميق والمعلومات المضللة.
لماذا يهم هذا الإعلان؟
تتسابق مختبرات الذكاء الاصطناعي الكبرى على نماذج العالم لأنها تُعد ساحة تدريب للروبوتات والوكلاء قبل نقلهم إلى العالم الحقيقي، وتسعى غوغل عبر الجمع بين «جيني» و«جيميني» إلى ما تسميه «نماذج عالم هجينة» تجمع بين الاستدلال المنطقي للنماذج اللغوية والتمثيل الحسي الغني للمحاكاة على مستوى البكسل.
