出来事の日付：2026年10月27日

Google DeepMindは、キーボード操作や自然言語による指示にリアルタイムで反応するインタラクティブなシミュレーションを作るための世界モデル「Genie 4」を発表した。この研究プレビューは、絶えず変化する環境の中で、生成された映像、音、会話、動き、物理的な挙動を組み合わせる。

固定された一連の映像を作る従来の動画生成システムと異なり、Genie 4はユーザーが探索している最中にも反応することを目指している。DeepMindによると、ユーザーは標準的な操作で環境内を移動でき、文章で天候を変えたり、カメラを動かしたり、人物や物体を登場させたりできる。Geminiモデルがこうした指示の解釈を助け、操作の合間にも連続性を維持する。

このシステムは設計段階からマルチモーダルに対応している。環境音、音楽、やり取りを伴う会話を、別の後処理工程で加えるのではなく、視覚的な世界とともに生成できる。DeepMindのデモには屋外の風景、動く布、物理的な物体、人間のキャラクターが登場し、音声もシミュレーションの一部として生成される。

物理的な挙動と動きは、重点的に取り組んでいる分野だ。同社は、Genie 4では空気力学、衝突、人が周囲に反応する様子の扱いが改善したとしている。ユーザーが方向を変えたり、予期しない出来事を起こしたりすると小さな不整合も目立ちやすくなるため、インタラクティブな環境では、人間の自然な動きがとりわけ重要になる。

DeepMindは、Gemini Omniが現実世界らしい外観と挙動の基準となり、ほかのGeminiシステムが一貫性の維持に使う推論を担うと説明している。ユーザーが直接指示を出していない間も、モデルが場面を動かし、活動を継続できる。この構成は、生成された世界を静的なものにとどめず、持続させる方法として示されている。ただし、発表には信頼性や長時間にわたる一貫性についての独立した評価は含まれていない。

初期提供は限定的だ。DeepMindはフィードバックを集めるため、信頼できるテスターに研究プレビューとしてGenie 4を順次提供している。その後は、Project Genieを通じてGoogle AI Ultraの加入者に、またGemini APIとGoogle AI Studioを利用する一部の初期パートナーに提供する計画だ。ウェイトリストは用意されているが、一般消費者や開発者に広く提供する確定日を約束した発表ではない。

DeepMindは、このプロジェクトを汎用人工知能の研究と結び付けている。変化に富むシミュレーションは、あらゆる状況を現実世界で再現しなくても、ロボットやソフトウェアエージェントの訓練環境を提供できる可能性がある。同じ技術は、インタラクティブな娯楽、試作、創作ツールにも役立ち得る。ただし、これらの用途は今後の可能性であり、制御のしやすさ、安全性、費用、そして生成された物理的な挙動が特定の作業に十分な精度を備えるかどうかに左右される。

したがって、Genie 4は完成したシミュレーション基盤ではなく、能力の先行紹介と捉えるのが適切だ。デモが示すのは、単に見るだけではなく、中に入り、音を聞き、変化を加えられる生成環境というDeepMindの方向性である。発表資料で選び抜かれた例を超えて、モデルが物体、キャラクター、因果関係をどれほど一貫して保てるのかは、外部ユーザーによるテストで明らかになる。