Apa itu Google DeepMind Genie 3? Batas Baru untuk World Model

Google DeepMind telah mengumumkan Genie 3, world model serbaguna yang merupakan lompatan signifikan dalam lingkungan interaktif hasil generasi AI. Sistem ini dapat menghasilkan dunia dinamis yang bisa Anda jelajahi secara real-time pada 24 bingkai per detik, dengan konsistensi pada resolusi 720p selama beberapa menit.

Ini bukan generasi video tradisional. Genie 3 menciptakan lingkungan yang bisa Anda jelajahi dan interaksi saat lingkungan tersebut sedang dihasilkan.

Apa itu World Model?

Sebelum memahami Genie 3, ada baiknya mendefinisikan apa arti sebenarnya dari “world model”.

World model adalah sistem AI yang menggunakan pemahamannya tentang dunia untuk mensimulasikan aspek-aspek dunia tersebut. Sistem ini memungkinkan agen AI memprediksi bagaimana suatu lingkungan akan berkembang dan bagaimana tindakan mereka akan memengaruhinya.

Bayangkan perbedaannya antara:

Generasi video: Membuat klip yang sudah dirender sebelumnya dan bisa ditonton
Pemodelan dunia: Menciptakan lingkungan berkelanjutan yang bisa Anda jelajahi dan pengaruhi

Google DeepMind telah merintis penelitian ini selama lebih dari satu dekade, mulai dari melatih agen untuk menguasai permainan strategi real-time (AlphaStar) hingga mengembangkan lingkungan simulasi untuk robotika.

Evolusinya: Dari Genie 1 ke Genie 3

Genie 3 dibangun di atas dua iterasi sebelumnya:

Genie 1 (2024): Foundation world model pertama yang dapat menghasilkan lingkungan baru bagi agen AI dari gambar.

Genie 2 (2024): Foundation world model berskala besar yang memperluas kemampuan, tetapi belum memiliki interaksi real-time.

Genie 3 (2026): World model pertama dalam seri ini yang memungkinkan interaksi secara real-time, dengan konsistensi dan realisme yang lebih baik dibanding Genie 2.

Google DeepMind menggambarkan world model sebagai “batu loncatan penting di jalur menuju AGI” karena model ini memungkinkan pelatihan agen AI dalam lingkungan simulasi yang tak terbatas dan kaya.

Kemampuan Inti Genie 3

Memodelkan Sifat Fisik Dunia

Genie 3 dapat mensimulasikan fenomena alam seperti dinamika air, efek pencahayaan, dan interaksi lingkungan yang kompleks.

Contoh prompt yang didemonstrasikan:

Menjelajahi medan vulkanik dengan robot beroda sambil menghindari kolam lava
Mengendarai jetski saat festival lampu
Berjalan di sepanjang pantai Florida saat badai dengan ombak yang menerjang jalan
Mengikuti ubur-ubur melalui lubang hidrotermal laut dalam
Mengemudikan helikopter di atas tebing pesisir

Mensimulasikan Alam

Sistem ini menghasilkan ekosistem yang hidup dengan perilaku hewan yang realistis dan kehidupan tumbuhan yang rumit.

Contoh prompt:

Berlari melintasi lanskap gletser dengan pertemuan satwa liar
Berenang di antara kawanan ubur-ubur laut dalam yang bioluminesen
Menjelajahi taman zen Jepang dengan pola pasir yang disisir
Menjelajahi lingkungan dedaunan lebat yang basah oleh hujan

Animasi dan Fiksi

Genie 3 menggali imajinasi, menciptakan skenario fantastis dan karakter animasi yang ekspresif dalam berbagai gaya visual.

Contoh prompt:

Makhluk berbulu yang berlari melintasi jembatan pelangi (gaya animasi 3D)
Menjadi kadal bergaya origami
Terbang sebagai kunang-kunang melalui rumah pohon yang terpesona
Lanskap Irlandia yang mengalami transformasi gravitasi dramatis

Menjelajahi Lokasi dan Latar Sejarah

Sistem ini dapat melampaui batas geografis dan temporal.

Contoh prompt:

Medan pegunungan di Alpen
Venesia dengan Vaporetto dan pantulan kanal yang realistis
Istana Knossos di Kreta kuno sebagaimana tampilannya pada masa jayanya
Bersepeda di Jalan Killar-Kishtwar yang berbahaya di India

Terobosan Teknis

Interaktivitas Real-Time

Mencapai performa real-time pada 24 fps membutuhkan inovasi teknis yang signifikan. Selama generasi bingkai auto-regresif, model harus memperhitungkan seluruh lintasan yang telah dihasilkan sebelumnya.

Misalnya: jika pengguna kembali ke suatu lokasi setelah satu menit eksplorasi, model merujuk informasi yang relevan dari titik sebelumnya itu—sambil melakukan komputasi berkali-kali per detik untuk merespons masukan pengguna baru saat masukan itu tiba.

Konsistensi Lingkungan dalam Horizon Panjang

Lingkungan hasil generasi AI harus tetap konsisten secara fisik agar terasa imersif. Hal ini secara teknis lebih sulit untuk generasi real-time dibanding video yang sudah dirender sebelumnya, karena ketidakakuratan menumpuk seiring waktu.

Lingkungan Genie 3 tetap “sebagian besar konsisten selama beberapa menit, dengan memori visual yang menjangkau hingga satu menit yang lalu.” Google DeepMind mencatat ini adalah kemampuan yang muncul secara emergen—tidak seperti NeRF atau Gaussian Splatting, Genie 3 tidak memerlukan representasi 3D yang eksplisit.

Peristiwa Dunia yang Bisa Dipicu Prompt

Di luar kontrol navigasi, Genie 3 memungkinkan intervensi berbasis teks yang mengubah dunia yang dihasilkan:

Mengubah kondisi cuaca
Memperkenalkan objek dan karakter baru
Mengubah lingkungan di tengah pengalaman

Ini memperluas jangkauan skenario “bagaimana jika”—sangat penting untuk melatih agen AI menangani situasi tak terduga.

Mendorong Riset Agen Berwujud

Salah satu penerapan utama adalah melatih agen AI di lingkungan yang dihasilkan. Google DeepMind menguji Genie 3 dengan agen SIMA mereka (agen generalis untuk lingkungan virtual 3D).

Prosesnya:

Menghasilkan dunia dengan latar tertentu
Menginstruksikan agen untuk mengejar tujuan yang berbeda
Agen mengirim tindakan navigasi ke Genie 3
Genie 3 mensimulasikan masa depan berdasarkan tindakan tersebut (tanpa mengetahui tujuan agen)

Karena Genie 3 menjaga konsistensi, agen dapat menjalankan rangkaian tindakan yang lebih panjang dan mencapai tujuan yang lebih kompleks. Google DeepMind memperkirakan teknologi ini akan berperan penting saat mereka mendorong menuju AGI.

Keterbatasan Saat Ini

Tim mengakui beberapa kendala:

Keterbatasan	Deskripsi
Ruang aksi terbatas	Meskipun peristiwa yang bisa dipicu prompt memungkinkan intervensi lingkungan yang luas, tindakan langsung agen tetap terbatas
Interaksi multi-agen	Interaksi kompleks antara beberapa agen independen masih menantang
Akurasi geografis	Tidak dapat mensimulasikan lokasi dunia nyata dengan akurasi sempurna
Rendering teks	Teks yang jelas dan terbaca hanya muncul jika disediakan dalam prompt masukan
Durasi	Mendukung beberapa menit interaksi berkelanjutan, bukan berjam-jam

Ketersediaan

Genie 3 saat ini merupakan pratinjau riset terbatas.

Google DeepMind memberikan akses awal kepada sekelompok kecil akademisi dan kreator. Pendekatan ini memungkinkan mereka untuk:

Mengumpulkan umpan balik yang penting
Mengembangkan perspektif interdisipliner tentang batas baru ini
Membangun pemahaman tentang risiko dan mitigasi yang tepat

Saat ini tidak ada daftar tunggu publik atau titik akses. Fokusnya adalah pengembangan yang bertanggung jawab sebelum rilis yang lebih luas.

Apa Selanjutnya?

Google DeepMind melihat Genie 3 sebagai momen penting saat world model mulai berdampak pada riset AI sekaligus media generatif. Mereka sedang mengeksplorasi:

Pendidikan dan pelatihan: Membantu siswa belajar dan para ahli memperoleh pengalaman
Pelatihan agen: Menyediakan ruang luas untuk melatih robot dan sistem otonom
Evaluasi agen: Mengeksplorasi performa dan kelemahan agen
Akses penguji tambahan: Membuat Genie 3 tersedia bagi lebih banyak pengguna di masa depan

Gambaran yang Lebih Besar

Genie 3 menandai pergeseran dalam cara kita memandang konten hasil generasi AI. Kita bergerak dari:

Klip statis → Lingkungan interaktif
Prompt tetap → Kontrol real-time
Menonton video → Menjelajahi dunia

Untuk saat ini, Genie 3 tetap menjadi alat riset. Namun, ini menunjuk ke masa depan di mana AI tidak hanya menghasilkan konten untuk dikonsumsi, tetapi dunia untuk dijelajahi.

Mencari Alternatif?

Akses Genie 3 yang terbatas berarti sebagian besar pengguna belum bisa mencobanya hari ini. Jika Anda ingin merasakan generasi dunia real-time sekarang, PixVerse R1 menawarkan alternatif yang dapat diakses publik:

Generasi real-time hingga 1080p
Kemampuan streaming tanpa batas
Generasi audio yang tersinkronisasi
Akses publik yang sedang diperluas

Pelajari lebih lanjut di perbandingan Genie 3 vs PixVerse R1 atau coba di realtime.pixverse.ai.