Googleが米国で試験公開した 「Project Genie」 に関する投稿を目にし、気になったので調べてみた。 テキストや画像から“歩ける世界”を生成するという触れ込みで、「ゲームエンジンが要らなくなるのでは」「AIの次の段階だ」といった声が散見される。
とはいえ、実際のところ何ができて、どこまで実用的なのか。 公開情報をもとに整理してみる。
Project Genieとは何か
Project Genieは、Googleが米国の Google AI Ultra ユーザー向けに試験公開した、インタラクティブな3D世界生成プロトタイプ だ。 テキストや画像を入力すると、AIがリアルタイムで“探索可能な世界”を生成してくれる。
特徴として語られているのは以下の点。
- テキストや画像から仮想世界を生成できる
- その世界を実際に歩いたり飛んだりして探索できる
- Googleの最新ワールドモデル Genie 3 を基盤にしている
- 画像生成モデル Nano Banana Pro と連携して初期世界を構築
- Webブラウザ上で動作する
- 世界を他ユーザーが改変できる「リミックス」機能を搭載
特に注目されているのは、“動画生成AIではなく、操作可能な世界をリアルタイム生成する” という点だ。 これは従来の生成AIとは明確に異なるアプローチだとされている。
実際に何ができるのか
公開情報から読み取れる範囲で、Project Genieの機能を整理するとこうなる。
1. World Sketching（世界の作成）
テキストプロンプトや画像を使って、世界の初期状態を生成する。 Nano Banana Proを使って視点や雰囲気を調整できる。
2. World Exploration（探索）
生成された世界を、ユーザーが実際に歩き回れる。 視点変更や移動に応じて、AIが毎秒24フレームで次の瞬間を生成し続ける。
3. World Remixing（リミックス）
他のユーザーが作った世界を改変し、新しい解釈を加えることができる。
技術的に面白いポイント
“ワールドモデル”という新しい方向性
Project Genieは、従来のLLMや画像生成AIとは異なる ワールドモデル の実験場として位置づけられている。 ワールドモデルとは、環境の内部表現を学習し、未来の状態を予測しながら世界を生成するAIのことだ。
これは、ゲームエンジンや物理シミュレーションに近い領域にAIが踏み込んでいるとも言える。
NeRFのような明示的3D構造を持たない
Genie 3はNeRFのような3D表現を持たず、自己回帰的に次のフレームを予測する という独自アプローチを採用している。 そのため、ユーザーの操作に応じて世界が“その場で描かれていく”感覚になる。
気になる点
世界の一貫性はどこまで保てるのか
Genie 3は最大1分間の視覚的記憶を保持できるとされるが、 長時間の探索や複雑な環境でどこまで破綻しないかは未知数。
米国限定・AI Ultra限定というハードル
現時点では米国のGoogle AI Ultra加入者（月額250ドル）に限定されているため、 一般ユーザーが気軽に試せる状況ではない。
それでも期待したい理由
懐疑的な点はあるものの、Project Genieは 「AIが世界そのものを生成する」 という新しい方向性を示している。
- ゲーム制作の民主化
- シミュレーションの高速化
- 教育・研究用途での新しい体験
- VR/ARとの統合可能性
こうした未来を想像すると、ワクワクせざるを得ない。特に、メタバースの分野とはガッツリ絡んでくることになりそうだ。
まとめ：Project Genieは“AIの次の段階”を示す実験場
Project Genieは、 「AIが文章や画像を生成する時代から、世界を生成する時代へ」 という流れを象徴するプロジェクトだ。
- リアルタイム生成
- インタラクティブ性
- ワールドモデルという新しい概念
- 研究プロトタイプとしての位置づけ
まだ荒削りな部分は多いが、 AIの未来を考えるうえで非常に興味深い試みだと感じた。
コメント