ข้อมูลตรวจสอบ ณ 31 ตุลาคม 2026 14:05 เวลาไทย
Google DeepMind ได้เปิดตัว Genie 4 ซึ่งเป็น AI World Model รุ่นใหม่ล่าสุดที่สามารถสร้างโลกเสมือนจริงแบบอินเทอร์แอคทีฟได้แบบเรียลไทม์ พร้อมทั้งสร้างเสียงและบทสนทนาประกอบไปพร้อมกัน การเปิดตัวครั้งนี้ถือเป็นก้าวสำคัญในการพัฒนา AI ที่สามารถจำลองและตอบสนองต่อการกระทำของผู้ใช้ในสภาพแวดล้อมเสมือนจริงได้อย่างสมจริงยิ่งขึ้น โดย Genie 4 ได้รับการปรับปรุงให้มีความสามารถในการสร้างภาพที่สมจริงยิ่งขึ้น และจำลองปรากฏการณ์ทางฟิสิกส์ได้ดีขึ้นกว่ารุ่นก่อนหน้า [1], [2], [3]
Genie 4: พัฒนาการสู่โลกเสมือนจริงที่สมจริงยิ่งขึ้น
Genie 4 เป็น AI World Model ที่พัฒนาต่อยอดมาจาก Genie 3 โดยมีจุดเด่นอยู่ที่ความสามารถในการสร้างและเปลี่ยนแปลงโลกเสมือนจริงตามการป้อนข้อมูลของผู้ใช้แบบเรียลไทม์ ซึ่งแตกต่างจาก AI สร้างวิดีโอทั่วไปที่เพียงแค่เล่นฉากที่สร้างไว้ล่วงหน้า [2], [3] ผู้ใช้สามารถควบคุมการเคลื่อนไหวในพื้นที่เสมือนจริง เปลี่ยนแปลงสภาพอากาศ เพิ่มตัวละครหรือวัตถุใหม่ และปรับมุมกล้องได้ด้วยคำสั่งภาษาธรรมชาติ [3]
หนึ่งในการพัฒนาที่สำคัญของ Genie 4 คือการจำลองปรากฏการณ์ทางฟิสิกส์ เช่น การเคลื่อนไหวของต้นไม้ที่พลิ้วไหวตามลม การไหลของน้ำ การชนกันของวัตถุ และหลักอากาศพลศาสตร์ นอกจากนี้ยังมีความสามารถในการสร้างตัวละครเสมือนจริงที่เคลื่อนไหวและตอบสนองต่อสภาพแวดล้อมได้อย่างเป็นธรรมชาติ และสามารถรับคำสั่งเพื่อควบคุมการกระทำของตัวละครเหล่านั้นได้แบบเรียลไทม์ [2], [3]
การผสานรวมเสียงและบทสนทนาเข้ากับโลกเสมือน
Genie 4 ไม่เพียงแต่สร้างภาพเท่านั้น แต่ยังสามารถสร้างเสียงประกอบได้แบบเนทีฟ ทั้งเสียงสภาพแวดล้อม เช่น เสียงลมหรือเสียงคลื่น รวมถึงเสียงดนตรีและเอฟเฟกต์เสียงต่างๆ [2], [3] ที่น่าสนใจยิ่งกว่าคือความสามารถในการสร้างบทสนทนาของตัวละครเสมือนจริง ซึ่งสามารถโต้ตอบตามสถานการณ์หรือการป้อนข้อมูลของผู้ใช้ได้ [2], [3]
ในด้านเทคนิค Genie 4 ได้รับการเสริมความแข็งแกร่งด้วยการผสานรวมกับโมเดล AI ตระกูล Gemini ของ Google โดย Gemini Omni ช่วยในการสร้างรูปลักษณ์และการเคลื่อนไหวที่สมจริง ส่วน Gemini 3.8 Flash ทำหน้าที่ตรวจสอบฉากที่กำลังสร้าง และวางแผนหรือแก้ไขการกระทำหลายขั้นตอน นอกจากนี้ยังมีการทดลองร่วมกับ Gemini 4 Argon เพื่อจำลองการทำงานที่ซับซ้อนของหุ่นยนต์ [3]
ข้อจำกัดและการประยุกต์ใช้ในอนาคต
แม้ว่า Genie 4 จะมีความก้าวหน้าอย่างมาก แต่ก็ยังมีข้อจำกัดบางประการ ในปัจจุบัน ผู้ใช้สามารถโต้ตอบกับโลกเสมือนที่สร้างโดย Genie 4 ได้ต่อเนื่องเพียงไม่กี่นาทีเท่านั้น หากใช้งานเป็นเวลานานหรือมีคำสั่งที่ซับซ้อนซ้ำๆ กัน อาจทำให้ความสอดคล้องของวัตถุและตำแหน่งลดลง รวมถึงความแม่นยำของพื้นที่และเสียงก็ยังคงต้องได้รับการปรับปรุง [2], [3]
Google DeepMind คาดการณ์ว่าเทคโนโลยีนี้สามารถนำไปประยุกต์ใช้ได้หลากหลาย เช่น การผลิตภาพยนตร์ การพัฒนาเกม การศึกษา และการฝึกอบรมหุ่นยนต์หรือ AI Agent [3] ในอนาคต Genie 4 จะถูกนำเสนอผ่านบริการสร้างและสำรวจโลกเสมือน Project Genie ให้กับสมาชิก Google AI Ultra รวมถึงพาร์ทเนอร์ที่เข้าถึง Gemini API และ Google AI Studio ได้ก่อนใคร [3] นอกจากนี้ เนื้อหาภาพและเสียงที่สร้างโดย AI จะมีการฝังลายน้ำดิจิทัล SynthID เพื่อระบุว่าเป็นเนื้อหาที่สร้างโดย AI [3]
การเปิดตัว Genie 4 แสดงให้เห็นถึงศักยภาพที่เพิ่มขึ้นของ AI ในการสร้างโลกเสมือนจริงที่ตอบสนองต่อผู้ใช้ได้อย่างเป็นธรรมชาติและสมจริงยิ่งขึ้น การผสานรวมภาพ เสียง และบทสนทนาเข้าด้วยกันในระบบเดียว ถือเป็นก้าวสำคัญในการพัฒนา World Model ที่สามารถจำลองสภาพแวดล้อมที่ซับซ้อนได้ อย่างไรก็ตาม ข้อจำกัดด้านระยะเวลาการใช้งานและความสอดคล้องของวัตถุยังคงเป็นความท้าทายที่ต้องได้รับการแก้ไขในอนาคต ซึ่งจะเป็นตัวกำหนดว่าเทคโนโลยีนี้จะสามารถนำไปใช้งานในวงกว้างได้อย่างไรในอุตสาหกรรมต่างๆ
แหล่งข้อมูล
- thelivingedge.substack.com | Last Week In Multimodal AI #73: Instructions Arrive Midstream | Philip Bankier | Oct 29, 2026
- yna.co.kr | [영상] 구글 딥마인드 ‘지니 4’ 공개…가상세계·소리 실시간 생성 | 전석우기자 | 2026年10月29日
- itmedia.co.jp | Google DeepMind、ワールドモデル「Genie 4」発表 音声や会話もリアルタイム生成、Geminiと連携 | ITmedia | 2026年10月28日