Eine Welt, durch die man sich bewegen kann
Matt Wolfe testet einen frühen Zugang zu Google DeepMinds Genie 4. Ein Weltmodell erzeugt, wie sich eine Szene bei Bewegung und neuen Ereignissen verändert. Anders als bei einem fertigen Video kann der Nutzer Kamera und Geschehen während der Erzeugung beeinflussen.
Googles Ankündigung bestätigt direkt erzeugten Ton und eine schrittweise Forschungsvorschau. Wolfes Zugang belegt nicht die allgemeine Verfügbarkeit. Er beschreibt eine Warteliste und nach und nach zugelassene Nutzer.
Der Versuch mit der regnerischen Stadt
Die Oberfläche trennt Umgebung und Figur. Wolfe beschreibt eine bunte japanische Stadt bei Nacht, Regen und Cyberpunk-Neonschilder, anschließend einen Ninja. Er zeigt außerdem eine zufällige Weltwahl und den Einstieg mit oder ohne Skizze.
Mit der Tastatur bewegt er sich näher an die Figur und wieder zurück. Er wählt eine vorgeschlagene Polizeidrohne und fordert dann per Text Godzilla in der Szene an. Die Kreatur bricht in dieser Vorführung durch eine Wand. Während der Texteingabe kann Wolfe die Kamera nicht wie zuvor steuern, was er unpraktisch findet.
Eine weitere Anweisung führt zum Fehler
Als Nächstes soll Godzilla nach der Drohne schlagen. Die Aktion beginnt, doch die Sitzung friert ein. Eine Fehlermeldung fordert einen neuen Versuch oder Rückmeldung. Das ist eine sichtbare Grenze dieses Durchlaufs.
Eine Szene kann überzeugend aussehen und bei einer schwierigeren Interaktion scheitern. Die Vorführung belegt deshalb weniger als eine vollständig zuverlässige Simulation: Sie zeigt beeindruckende Reaktion und Zusammenbruch im selben Ablauf.
Die Drehprobe in Candyland
Für den zweiten Versuch wählt Wolfe eine Ich-Perspektive, eine gezeichnete Candyland-Umgebung und eine Hummel. Er dreht die Kamera einmal vollständig, um die Beständigkeit von Orientierungspunkten zu prüfen.
Einige Merkmale bleiben, andere verändern sich oder erscheinen weiter entfernt. Ein Cupcake taucht auf und Keksfiguren scheinen ihre Position zu wechseln. Danach fordert er eine Lollipop-Signalweiche an. Ein Signal erscheint, den Lollipop erkennt er nicht klar. Beim vorbeifahrenden Zug sind Musik und Geräusche zu hören. Reagieren auf einen Prompt ist also nicht dasselbe wie jedes Detail richtig auszuführen.
Zwei Minuten und mögliche Anwendungen
Die getestete Oberfläche hat einen Timer von etwa zwei Minuten und beendet danach die Sitzung. Das ist die von Wolfe erlebte Grenze, keine geprüfte Beschränkung jedes künftigen Genie-Produkts. Manche Szenen wirken für ihn realistischer als andere.
Er schlägt Filmvorplanung, schnelle Spielkonzepte und möglicherweise simulierte Trainingsumgebungen vor. Eine Robotik-Trainingspipeline testet dieses Video nicht. Das Material hält er eher zur Planung als für fertige Aufnahmen geeignet. Längere konsistente Welten und gesprochene Ereignisanweisungen sind seine Zukunftsvorstellung, keine hier zugesicherte Funktion.
