「Genie 3」発表内容まとめ。Google DeepMindの新しいAIモデル
Google DeepMindは、2025年8月5日に、新世代のワールドモデル「Genie 3」を発表しました。本記事では、その発表内容の要点をまとめています。
Genie 3とは？
一言で言うと、Genie 3は「テキストから、操作できるミニアニメーションやゲームのようなものを作り出すAI」です。
これは、教育やエンターテイメント、ロボットの訓練といった目的のために、仮想環境を丸ごとシミュレートする「ワールドモデル」と呼ばれるAIシステムの一種です。従来のビデオゲームが3Dアセットなどを使い手作業で構築されるのとは異なり、ワールドモデルはすべてAIによってその世界が生成されます。
Genie 3の特徴は、物理エンジンを明示的にプログラムするのではなく、AIがWeb上の膨大なデータから「物がどう動くか」といった世界のルールを自ら学習している点にあります。
Genie 3の性能は？
Genie 3は、720pの解像度と毎秒24フレーム（24fps）での動作を実現しているようです。これは前モデルのGenie 2（360p）からの大幅な進化ですね。
これまでのGenie 2は、インタラクション時間が10〜20秒程度と短いため、世界の「記憶」が続かず一度視界から外れたものが元と同じ状態である保証がありませんでした。
Genie 3は、この課題に対して大きく進歩し、インタラクション時間が「数分間」へと大幅に延長され、さらに約1分間空間の情報を視覚的に記憶し続ける「オブジェクトパーマネンス（物体の永続性）」の能力も獲得しているそうです。これにより、一度視界から離れた場所に戻ってきても、壁の文字などが同じ場所に残っている、より一貫性のある体験が可能になったということです。
Genie 3の特長
Genie 3の特長は主に以下の4つになります。
特長1：世界の物理特性のモデリング
水や光の反射といった自然現象から、火山の噴火やハリケーンといった、より複雑な環境の相互作用までをシミュレートできる。
特長2：自然界のシミュレーション
動物の行動から、深海の生態系まで、生命感あふれる活気に満ちた世界を生成します。
特長3：アニメーションとフィクションのモデリング
写実的な世界だけでなく、折り紙風のトカゲや、虹の橋を渡るふわふわの生き物など、想像力豊かなファンタジーの世界も創造できます。
特長4：場所や歴史的背景の探求
ヴェネツィアの運河や古代クレタ島のクノッソス宮殿など、地理的・時間的な境界を越えて、特定の場所や過去の時代を探索する体験を提供します。
活用例
- AIエージェント・ロボットの訓練: 現実世界では再現が難しいシナリオをシミュレートし、AIエージェントの学習と性能評価を促進します。
- 教育・トレーニング: 歴史上の出来事の再現や物理法則の視覚化など、没入感の高い学習体験を提供します。
- コンテンツ制作とゲーム開発: アイデアを即座にプロトタイプとして具現化し、開発プロセスを効率化します。
注意事項
現在は「限定的な研究プレビュー」として、少数の研究者とクリエイターにのみ公開されています。一般向けのプランなどは発表されていません。
今後について
Google DeepMindは、今後コミュニティからのフィードバックを基にモデルを改良し、リスクをより深く理解した上で、将来的には追加のテスターに提供する方法を検討していく方針です。
制限事項など
発展途上の技術であり、以下のような課題も存在します。
- ユーザーが生成された世界とインタラクトできる方法はまだ限られています。
- 判読可能なテキストは、多くの場合、最初のプロンプトで指示された場合にのみ生成されます。
- 複雑な物理現象の完全な再現や、AI特有の不自然な挙動（ハルシネーション）も引き続き課題となります。
まとめ
今回は、Google DeepMindが発表した新世代ワールドモデル「Genie 3」について、その発表内容をまとめてみました。
単にリアルな動画を生成するだけでなく、ユーザーが操作できる「インタラクティブな世界」そのものを創り出してしまうというアプローチは、AIの進化における非常に興味深い一歩だと感じます。
まだ研究プレビュー段階であり、インタラクションの時間や種類に制限はありますが、Genie 3が開発や研究における強力な「シミュレーター」や「支援ツール」となる未来は、そう遠くないのかもしれません。今後の進化がますます楽しみですね。
参考文献
Discussion