ફિલ્મો જેવી દુનિયા હવે હકીકતમાં! ગૂગલના નવા AI ‘Genie 4’એ મચાવી ધમાલ, જાણો શું છે ખાસિયત?
આજના સમયમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) એ આપણી જિંદગીના ઘણા કામો અત્યંત સરળ બનાવી દીધા છે. ફોટો એડિટિંગથી લઈને વિડિયો બનાવવા સુધીના કામો હવે મિનિટોમાં થઈ જાય છે. પરંતુ, શું તમે ક્યારેય એવી કોઈ દુનિયાની કલ્પના કરી છે જ્યાં તમે ખુદ તમારી મરજીથી કોઈ માહોલ ઊભો કરી શકો? જ્યાં વૃક્ષો સાથે અથડાતી હવાનો અવાજ સંભળાતો હોય, દરિયાના મોજાં અવાજ કરી રહ્યા હોય અને સામે ઊભેલું કોઈ પાત્ર તમારી દરેક વાતનો જવાબ પણ આપી રહ્યું હોય?
સાંભળવામાં આ કોઈ હાઈ-ફાઈ વિડિયો ગેમ કે કોઈ કાલ્પનિક ફિલ્મ જેવું લાગે છે, પરંતુ ગૂગલ ડીપમાઈન્ડ (Google DeepMind) નું નવું AI મોડેલ ‘Genie 4’ તેને વાસ્તવિકતામાં બદલવાની તૈયારી કરી રહ્યું છે. કંપનીનો દાવો છે કે આ ટેક્નોલોજી રિયલ-ટાઇમમાં એવી જાદુઈ ડિજિટલ દુનિયા બનાવી શકે છે, જે સંપૂર્ણપણે તમારા નિર્દેશોના ઇશારે કામ કરશે.
શું છે ગૂગલ ડીપમાઈન્ડનું આ નવું ‘Genie 4’?
Genie 4 ને એ રીતે ડિઝાઇન કરવામાં આવ્યું છે કે તે માત્ર કોઈ જૂની તસવીર કે અગાઉથી રેકોર્ડ કરેલો વિડિયો બતાવવાને બદલે એક સંપૂર્ણપણે ઇન્ટરેક્ટિવ માહોલ (Interactive World) તૈયાર કરી શકે.
ગૂગલના મતે, આ મોડેલ જેમિની (Gemini) પરિવારની શક્તિઓનો ઉપયોગ કરે છે. તેનું ‘જેમિની ઓમ્ની’ (Gemini Omni) ફીચર અસલી દુનિયા જેવું દેખાતું અને કામ કરતું સિમ્યુલેશન બનાવવામાં મદદ કરે છે, જ્યારે બીજા મોડેલ્સ એ વાતનું ધ્યાન રાખે છે કે તે ડિજિટલ દુનિયાની ઘટનાઓ અને તેનો સંદર્ભ (Context) યોગ્ય રીતે એકબીજા સાથે જોડાયેલા રહે.
આની સૌથી મોટી ખાસિયત એ છે કે તમે ચાલતી ડિજિટલ દુનિયામાં પણ તમારી પસંદગી મુજબ ફેરફાર કરી શકો છો. ઉદાહરણ તરીકે, તમે માત્ર એક ટેક્સ્ટ કમાન્ડ આપીને મોસમ બદલી શકો છો અને તડકાવાળા દિવસને અચાનક વરસાદમાં ફેરવી શકો છો, કેમેરાનું એંગલ ફેરવી શકો છો અથવા કોઈ નવા પાત્રને તે દ્રશ્યમાં સામેલ કરી શકો છો.
હવે ડિજિટલ દુનિયામાં માત્ર તસવીરો જ નહીં, અવાજો પણ ગૂંજશે!
Genie 4ની સૌથી રોમાંચક અને રસપ્રદ વાત તેનું ઓડિયો જનરેટ કરવાનું ફીચર છે. ગૂગલનું કહેવું છે कि આ મોડેલ રિયલ-ટાઇમમાં શાનદાર અવાજો પણ બનાવી શકે છે.
આમાં હવા ફૂંકાવવાનો અવાજ, દરિયાના મોજાંનો શોર અને બેકગ્રાઉન્ડ મ્યુઝિક સામેલ છે. એટલે કે તે ડિજિટલ દુનિયામાં માત્ર ચીજો દેખાશે જ નહીં, પરંતુ તે માહોલ મુજબ તમને પરફેક્ટ અવાજો પણ સાંભળવા મળશે. એટલું જ નહીં, આ મોડેલ એવા પાત્રો વચ્ચે વાતચીત પણ તૈયાર કરી શકે છે જે યુઝરના કમાન્ડ કે બદલાતા સંજોગો મુજબ તુરંત જવાબ આપે. આના માટે અગાઉથી કંઈપણ રેકોર્ડ કરીને રાખવાની જરૂર પડતી નથી.
જેમિનીની મદદથી કેવી રીતે કામ કરે છે આ ટેક્નોલોજી?
ગુગલના મતે, ‘જેમિની 3.8 ફ્લેશ’ સિસ્ટમમાં માર્ગદર્શિકા તરીકે કાર્ય કરે છે. તે ડિજિટલ દ્રશ્યનું સતત નિરીક્ષણ કરે છે, મોટા ઉદ્દેશ્યોને નાના, વ્યવસ્થિત કાર્યોમાં વિભાજીત કરે છે અને ખાતરી કરે છે કે દરેક પગલું યોગ્ય રીતે ચલાવવામાં આવે છે. વધુમાં, ગુગલ ડીપમાઇન્ડ ‘જેમિની રોબોટિક્સ’ સાથે સહયોગમાં વધુ પ્રયોગો કરી રહ્યું છે.
સુરક્ષા અને કેટલીક મર્યાદાઓ પણ છે
Genie 4 હજુ તેના પ્રારંભિક રિસર્ચ સ્ટેજ (Research Stage) માં છે, તેથી આનાથી દર વખતે સો ટકા સચોટ પરિણામોની અપેક્ષા રાખી શકાતી નથી. લાંબા સમય સુધી સિમ્યુલેશન ચલાવવા પર અથવા વારંવાર ઘણા બધા ફેરફાર કરવા પર વિઝ્યુઅલ્સમાં કેટલીક નાની-મોટી ટેક્નિકલ ખામીઓ આવી શકે છે.
સલામતી અંગે, ગુગલ જણાવે છે કે હાનિકારક સામગ્રીના નિર્માણને રોકવા માટે મજબૂત પગલાં અમલમાં મૂકવામાં આવ્યા છે. વધુમાં, આ સિસ્ટમનો ઉપયોગ કરીને બનાવવામાં આવેલ કોઈપણ વિડિઓ અથવા ઑડિઓમાં Google ની ‘SynthID’ તકનીકનો સમાવેશ થશે. આ તકનીક સામગ્રીમાં એક અદ્રશ્ય વોટરમાર્ક ઉમેરે છે, જેનાથી તે ઓળખવાનું સરળ બને છે કે તે AI દ્વારા બનાવવામાં આવ્યું છે કે નહીં.
એકંદરે, આ તકનીક ગેમિંગ અને ડિજિટલ સર્જનની દુનિયામાં એક મોટો, ક્રાંતિકારી પરિવર્તન લાવવાની સંપૂર્ણ ક્ષમતા ધરાવે છે.
