구글은 "월드 모델(World Models)" 범주의 최신 모델인 Genie 4를 출시한다고 발표했다. 이는 현실을 모방하는 인공지능의 능력에 있어 획기적인 도약을 의미한다. 단어를 예측하는 거대 언어 모델(LLM)과 달리, Genie 4는 환경에 대한 내부 시뮬레이션을 구축하는 데 집중하며, 장면 내에서 공간, 시간, 중력 및 기타 물리적 힘이 어떻게 전개되는지를 예측한다.
시뮬레이션의 진화: 오디오, 물리 및 일관성
Genie 4는 이전 모델(Genie 3)과 비교하여 몇 가지 핵심적인 개선 사항을 특징으로 하며, 그 중 가장 눈에 띄는 것은 구글 최초로 네이티브 오디오 생성(Native Audio Generation)을 지원하는 월드 모델이라는 점이다. 이 모델은 시각적 장면을 생성하는 데 그치지 않고, 모사된 환경에 어울리는 주변 소리를 자동으로 생성할 뿐만 아니라, 장면의 전개에 따라 역동적으로 상호작용하고 변화하는 인간의 대화도 생성한다.
기술적 성능 측면에서 이 모델은 다음과 같은 특징을 달성했다:
- 장면 일관성: 이 모델은 장면의 안정성과 일관성을 최대 2분 동안 유지할 수 있으며, 이는 이전 버전의 성능보다 두 배 향상된 것이다.
- 물리 시뮬레이션: 공기 역학(Aerodynamics) 및 충돌과 같은 복잡한 시나리오를 지원하며, 주변 환경에 유기적으로 반응하는 자연스러운 인간의 움직임을 구현한다.
- 실시간 상호작용: 사용자는 자연어 명령을 통해 실시간으로 세계를 형성하고, 날씨를 바꾸거나, 카메라를 움직이거나, 새로운 요소를 추가할 수 있다.
Gemini 3.8 Flash와의 통합
Genie 4는 "가이드 에이전트(Guiding Agent)" 역할을 하는 Gemini 3.8 Flash 모델과 병렬로 작동한다. Gemini는 복잡한 명령을 작은 단계로 분해하고, Genie 4가 장면을 생성하는 동안 실행이 의도한 경로를 벗어나지 않도록 지속적으로 장면을 모니터링하며, 사용자가 계획되지 않은 방식으로 사건의 흐름을 변경할 경우 단계를 조정하기 위해 개입한다.
실질적으로 무엇이 변하는가?
이러한 발전은 단순한 "비디오 생성"에서 "상호작용 가능한 세계 구축"으로의 전환을 의미한다. 개발자와 연구자들에게 이는 실제적인 소리와 물리학을 포함하는 고정밀 가상 테스트 환경을 구축할 수 있음을 의미하며, 이는 로봇 학습이나 게임 및 확장 현실(XR) 개발 분야에서 새로운 지평을 열 수 있다. 하나의 모델에 오디오와 물리적 움직임을 통합하는 능력은 디지털 시뮬레이션과 실제 현실 사이의 간극을 줄여준다.
가용성 및 기술적 제한 사항
구글은 Genie 4가 아직 연구 프리뷰(Research Preview) 단계에 있으며, 현재 선정된 일부 신뢰할 수 있는 테스터들에게만 제공된다고 밝혔다. 향후 몇 주 내에 Project Genie를 통해 Google AI Ultra 구독자들에게 출시될 예정이며, Gemini API 및 Google AI Studio의 조기 액세스 파트너들에게도 제공될 예정이다.
다만, 회사는 이 모델이 아직 실험적 단계이므로 긴 세션에서는 일부 시각적 불일치가 나타날 수 있다고 언급했다. 투명성을 보장하기 위해, 인공지능이 생성한 콘텐츠를 식별할 수 있도록 구글의 SynthID 기술을 사용하여 모든 생성 콘텐츠에 보이지 않는 워터마크를 표시할 예정이다.