DeepMind, 월드 모델 Genie 4 공개: 자연어로 실시간 장면 수정, 음악·환경음·대화까지 생성

월드 모델은 결국 AAA 게임의 시뮬레이션 엔진이 될 거임. 게임 바이너리는 안 풀리고 클라우드 백엔드에서 돌려서 스트리밍으로 보내주는 방식. Stadia + 월드 모델 = 새 세대 DRM인 셈이지.

Stadia가 망한 이유가 인터넷으로 게임 돌리는 게 구리다는 거였는데. 입력 지연에 그래픽 열화까지 있었고. AI 생성 게임은 손맛도 취향도 없고 장면 하나 다시 만드는 비용도 말이 안 됨.

그럼 오픈 월드 모델 하나 띄워서 컴퓨트 값 내고 자기 게임 하면 되잖아. 요즘 선택지 많은데 굳이 대형 AAA 회사만 붙잡을 이유가 없음.

비결정적 엔진이 왜 게임에 더 나음? 결정적으로 구조화해서 소비자 하드웨어에 배포하는 쪽이 훨씬 효율적인데.

우리 집은 안 삼. 밀려오는 인디 게임 물량으로 놀 거임.

아무도 안 할 거고 세상도 안 바뀜. 이미 5분 만에 만든 걸 10달러 미세 거래로 뜯어가는데, 플레이어마다 월드 모델 돌리는 비용을 대형사가 낼 것 같음?

경제성을 좀 생각해봐. 수백만 명한테 각자 다른 월드 시뮬레이션을 돌려주려고 GPU 수십만 장 굴리는 게 싼가, 코드 한 번 짜서 배포하는 게 싼가.

Genie 4가 조작 면에선 Genie 3보다 못해 보임. 입력에 반응하는 것 같지도 않고, AI 영상 위에 키 위젯만 얹은 느낌이야.

이 경험들이 대체 뭐고 누구를 위한 건지 모르겠음. 구글이 게임 개발자 몇 명 데려오는 데 200만 달러면 되는데, 게임 안 하는 PM들이 Bart Simpson용 제품을 만들고 있어.

타깃이 게임이 아니라 상업 영상 만드는 사람들 아닐까.

맞다고 봄. Genie 3 때도 그랬는데 이번엔 조작성보다 영상 생성에 올인했어. 원래 Genie는 에이전트가 세계를 배우게 하는 목적이 있었는데, 그 미션을 이끌던 Jack Parker-Holder, Tim Rocktaschel, Demis가 DeepMind를 떠난 뒤엔 이렇게 됨.

유튜브 자동 자막에 'Genie form'이라고 나옴. 그렇게 앞선 생성 AI랑 최악의 음성 인식이 같은 회사에서 나오는 게 신기함.

블로그 교정도 안 했더라. 'audio-like music'이라고 써놨는데, 원문은 아마 'audio -- like music, ambient noises...'였는데 LLM 티 빼려다 사고 난 듯.

이거 3D 에셋이나 언리얼·고도·유니티 프로젝트로 내보낼 수 있는 거임, 아니면 저들 런타임에 갇힌 거임?

월드 모델이 물리 법칙의 숨은 구조를 학습해서 LLM이나 자율주행·로봇 모델 훈련에 도움이 되고, AMD의 World Labs 인수가 엔비디아에 맞서는 카드라는 거지? 구글은 이걸 자율주행·휴머노이드 플랫폼의 관문으로 보는 거고.

대리석 흉상이 수박에 떨어지는 장면에서 흉상이 넘어져야 하는데 안 넘어짐. 물리가 제대로 모델링되지 않은 거임.

머신러닝으로 시뮬레이션을 학습하는 방식의 구멍이 저거야. 시뮬레이션을 학습할 수 있는 모델은 내부적으로 더 잘 할 수 있어서 결국 시뮬레이션은 곁가지가 됨.

현실에서도 예상대로 안 되는 일이 많잖아. 실제 사건으로 계속 교정되는 로봇의 멘탈 모델로 쓰일 수 있다고 봄. 우리도 머릿속 월드 모델로 예측하고 조정하니까.

첫 영상에 '우리 정말 해낼 수 있을까?' 하는 장면이 들어간 게 의외였음. 표정과 톤이 장면과 완전히 따로 놀아서 AI 영상의 한계가 그대로 보이더라. 그림에서 인터랙티브로 넘어가는 장면은 놀라웠고.