Con Genie 4, Google crea mondi che reagiscono

Google DeepMind, il laboratorio di ricerca sull’intelligenza artificiale di Google, ha presentato Genie 4, un sistema capace di generare ambienti virtuali che si trasformano mentre vengono esplorati. Il risultato è una scena restituita sullo schermo con oggetti, persone e suoni che reagiscono ai comandi. DeepMind definisce questa tecnologia un world model, perché prova a prevedere come cambia un ambiente in seguito a un evento o a un’azione.

Chi utilizza Genie 4 può esplorare un ambiente virtuale generato dall’IA proprio come accade in un videogioco. Attraverso la tastiera del computer può spostare il proprio punto di osservazione, avanzare nell'ambiente e guardarsi intorno. Può anche scrivere istruzioni per modificare ciò che vede, per esempio trasformare una giornata di sole in una giornata di pioggia oppure fare comparire un nuovo personaggio sulla scena.

Genie 4 genera immagini e suoni in tempo reale, l'ambiente cambia mentre viene esplorato e l'intelligenza artificiale produce le immagini successive in base alle azioni compiute.

Genie 4, suoni e movimenti

Genie 4 produce i suoni dell’ambiente mentre genera le immagini e, nei mondi virtuali illustrati da DeepMind si ascoltano il vento tra gli alberi, le onde sulla spiaggia e la musica che fa da sottofondo alla scena. Anche le voci fanno parte del medesimo processo. Infatti, i personaggi possono parlare e reagire alle richieste di chi esplora l’ambiente o a ciò che accade nella scena. Le loro risposte vengono generate sul momento e si adattano al contesto della conversazione.

DeepMind presenta anche movimenti umani più naturali e simulazioni di eventi fisici, dalle collisioni agli effetti aerodinamici. Tra gli esempi diffusi compaiono un seme d’acero in caduta e una stazione ferroviaria affollata, tutte dimostrazioni selezionate per illustrare le capacità del modello.

L’evoluzione di Genie 3

Il punto di partenza è Genie 3, modello risalente al mese di agosto del 2025 che generava mondi interattivi alla risoluzione di 720p, con 24 immagini al secondo e una continuità visiva di alcuni minuti. Genie 4 amplia le possibilità di intervento durante l’esplorazione e i materiali diffusi da DeepMind illustrano il salto qualitativo soprattutto attraverso scene con persone che si muovono e parlano.

Per sostenere il funzionamento in tempo reale, DeepMind combina Genie 4 con la famiglia Gemini, i modelli IA di Google. Gemini Omni contribuisce ad ancorare l’aspetto e il comportamento delle scene al mondo reale. Gemini 3.8 Flash osserva le immagini generate, divide gli obiettivi in azioni successive e controlla l’avanzamento dei compiti. In questo modo la simulazione può adattarsi anche a istruzioni ricevute durante l’esecuzione.

Il punto di partenza è Genie 3, annunciato nell’agosto 2025. Quel modello generava mondi interattivi alla risoluzione di 720p, con 24 immagini al secondo e una continuità visiva di alcuni minuti. Genie 4 amplia le possibilità di intervento durante l’esplorazione e introduce il suono generato direttamente. I materiali diffusi da DeepMind illustrano il salto qualitativo soprattutto attraverso scene con persone che si muovono e parlano.

Per sostenere il funzionamento in tempo reale, DeepMind combina Genie 4 con la famiglia Gemini, i modelli di IA di Google. Gemini Omni contribuisce ad ancorare l’aspetto e il comportamento delle scene al mondo reale, mentre Gemini 3.8 Flash osserva le immagini generate, divide gli obiettivi in azioni successive e controlla l’avanzamento dei compiti.

Un esperimento coinvolge anche Gemini 4 Argon, il modello di Google per compiti complessi e ragionamento articolato. Nella dimostrazione, Argon organizza i passaggi di una partita a dama e Genie 4 simula le mosse di Apollo, il robot umanoide della società di robotica Apptronik. L’esperimento serve a verificare come un sistema possa seguire una sequenza di azioni all’interno di un ambiente generato.

Tra le prove descritte da DeepMind figurano scene cinematografiche con inquadrature e illuminazione modificabili in diretta, ricostruzioni esplorabili a partire da fotografie d’archivio e prototipi di esperienze interattive per videogiochi. Altre sperimentazioni riguardano l’addestramento di agenti IA, programmi capaci di svolgere compiti, e ambienti destinati a preparare robot a situazioni variabili. Per il giornalismo, le ricostruzioni restano contenuti sintetici da distinguere dai documenti e dalle immagini che testimoniano fatti reali.

La distribuzione di Genie 4

Genie 4 è disponibile in anteprima di ricerca per un gruppo selezionato di tester. Google prevede un successivo accesso per gli abbonati al piano a pagamento Google AI Ultra attraverso Project Genie, il prototipo web che consente di creare ed esplorare mondi virtuali.

Sono previsti canali anche per sviluppatori e partner tramite Gemini API, il collegamento tecnico per integrare i modelli nei software e Google AI Studio, l’ambiente per sperimentarli. Non è stata ancora comunicata la data ufficiale del rilascio.

I limiti di Genie 4

Il progetto presenta già limiti documentati dalla stessa DeepMind. Gli oggetti possono cambiare forma o posizione dopo una serie di modifiche, le scritte risultano talvolta difficili da leggere e la ricostruzione dei luoghi reali conserva margini di imprecisione. Anche il comportamento di più personaggi, la precisione dell’audio e le interazioni fisiche articolate restano argomenti di ricerca e di future migliorie.

I watermark

Per rendere riconoscibili i contenuti creati dal sistema, DeepMind fa ricorso SynthID, una filigrana digitale invisibile inserita nei video e nelle tracce audio che può essere individuata mediante un rilevatore compatibile. Resta però valido il principio secondo cui SynthID può indicare l'origine artificiale di un contenuto, ma la verifica dei fatti che il contenuto stesso trasmette richiede ancora il controllo delle fonti.