Google Genie 3がAIで3Dワールドに命を吹き込みます

2025年8月5日、Google DeepMindはGenieモデルの最新バージョンであるGenie 3をリリースしました。これは、ユーザーのテキストプロンプトを動的でインタラクティブな環境に変換できる新しいAIモデルです。

これらの環境、つまりAIワールドでは、ビデオゲームのように、ユーザーがリアルタイムで移動したり操作したりできます。また、追加のテキストプロンプトを入力することで環境を拡張または変更でき、シミュレーションを再起動せずにその場で変化を加えられます。

最新のGenie Googleモデルが特に大きな影響をもたらすのは、AIエージェントのトレーニングに利用できる点です。これは、データとフィードバックを使ってAIエージェントに意思決定やタスクの実行を学習させることを指します。現実世界の代わりにシミュレーションされた3D環境を利用することで、研究者は現実世界でのトレーニングに伴う多くの課題、コスト、リスクを回避できます。

Google Genie 3は、悪天候の中を走行する自動運転車や、山岳地帯を滑空するウィングスーツなど、複雑なシナリオもシミュレーションできます。

この記事では、Google Genie 3とその機能について解説します。

図1. ウィングスーツで滑空する様子を示すGenie 3シミュレーションのフレーム。(出典)

GoogleのGenieモデルの簡単な歴史#

Google DeepMindのGenieモデルを見ていく前に、世界モデルとは何かを理解しておくと役立ちます。

世界モデルは、テキスト、画像、動画、動作データセットから、物理法則、動き、空間的な関係などの現実世界のルールを学習するAIシステムです。これにより、現実的なシーンを生成し、その変化を予測できます。Genieモデルは、こうしたシステムの例です。

Genie 3への道を開いた、初期のGoogle Genieモデルを簡単にご紹介します。

• Genie 1: Genie 1は、単にGoogle Genieとも呼ばれ、インタラクティブな仮想環境を作成できるGoogle DeepMind初のAIワールドモデルでした。ユーザーはテキスト、画像、写真、さらにはスケッチで世界を説明でき、Genieはその説明に沿った環境を生成して、シーン内のアクションを操作できるようにしました。動画データを時間軸に沿って処理し、次のフレームを予測するとともに、ユーザー入力を世界内のアクションに変換するよう設計されていました。
• Genie 2: Google Genieの機能を基盤とするGenie 2は、詳細でインタラクティブな3Dワールドを幅広く作成できました。ワールドモデルとして仮想環境をシミュレーションし、ジャンプ、水泳、物体の移動などのアクションに現実的に反応しました。膨大な動画コレクションでトレーニングされ、現実的な物体の相互作用と、生き生きとしたキャラクターの動きを実現しました。

Genie 3とは？Googleの新しいAIモデル#

従来のGenieモデルを基盤とするGenie 3は、シリーズの最新かつ最も高度なモデルです。特に、新しい仮想環境を生成できるGenie 2と、Google DeepMindの最新動画生成モデルであるVeo 3を基盤としています。Veo 3は、物理法則と現実世界における物体の相互作用を深く理解しています。

Google Genie 3は、自己教師あり学習と呼ばれる手法を使って物理法則を自ら学習します。これは、AIモデルがラベルのないデータから学習信号を自ら生成し、パターンや関係性を学習するAIの学習手法です。

Google Genie 3の自己教師あり学習機能は、AIエージェントやAIロボットなどのAIシステムにさまざまなタスクを実行させるためのトレーニングに不可欠です。実際、Google DeepMindの研究者は、Genie 3を汎用人工知能（AGI）の実現に向けた重要な一歩と見なしています。

図2. Google Genie 3を使用してロボット型ローバーの操作をシミュレーションする例。(出典)

AGIは、あらゆるタスクや分野を理解して学習し、その知識を人間のようにさまざまな状況に応用できる、理論上のAIです。特定のタスク向けに構築され、新しい問題へのスキルの応用が難しい現在の人工知能モデルとは異なり、AGIは幅広い状況に適応して学習できます。

AIワールドの構築に関するGoogle Genie 3の主な機能#

Genie 3が備える主な機能をいくつかご紹介します。

• テキストからの3Dワールド生成: 簡単なテキストプロンプト（例:「道を歩くロボット」）を、基本的な移動操作が可能なプレイアブルな3D風環境に変換できます。
• プロンプトで指定できるワールドイベント: ユーザーは新しいコマンドを入力して環境を動的に変更できます（例: 道に雨を降らせる）。
• 視覚的な記憶: Genie 3は環境内に残された物体を記憶し、後から再び訪れたときに表示できます。この記憶は約1分間保持されます。
• 滑らかで一貫性のある動画出力: Genie 2と比べて長時間の利用が可能で、720pの解像度で毎秒24 フレーム（fps）の動画出力を維持できます。

図3. Google Genie 3は、Genie 2よりも長時間持続する出力を生成できます。(出典)

教育からゲームまで: Google DeepMindのGenie 3の活用例#

Google Genie 3は、学習、研究、トレーニングをより没入感のある魅力的なものにできます。たとえば教室では、古代都市を探索したり宇宙を旅したりできるようにすることで、歴史、科学、地理を生き生きと体験させられます。同様に、人工知能の開発者には、戦略を練習し、課題に取り組み、意思決定スキルを向上させるための現実的な仮想世界を提供します。

科学者は、アイデアの検証、生態系の研究、物体の挙動の観察に使う制御されたシミュレーションの作成にも活用できます。もう一つの興味深い用途は、ビデオゲーム開発です。ゲーム開発者はテキストプロンプトから詳細なゲームワールドを作成でき、開発を加速し、大規模なチームの必要性を減らせます。

図4. Genie 3を使って、楽しく色鮮やかでインタラクティブなゲームを設計できます。(出典)

ワールドモデルとしてのGoogle Genie 3の制限#

Google Genie 3には多くの機能と利点がありますが、欠点についても考慮することが重要です。

考慮すべき制限をいくつかご紹介します。

• アクション範囲の制限: 仮想世界では多くのイベントを発生させられますが、すべてのイベントをエージェント自体が実行するわけではありません。エージェントが直接実行できるアクションは、依然として限られています。
• 他のエージェントとの相互作用: 同じ環境内にいる複数の独立したエージェント間で、現実的な相互作用を作り出す機能は、まだ開発途上です。
• 現実世界の再現精度: Google Genie 3は、現実世界の場所を地理的に完全な精度で再現することは、まだできません。

重要なポイント#

Google Genie 3は、AIを使って現実的でインタラクティブな3Dワールドを作成するうえで、大きな進歩を示しています。簡単なテキストプロンプトからアイデアを具現化し、物理法則をシミュレーションし、安全な仮想空間でAIシステムをトレーニングすることもできます。

まだ制限はありますが、研究、ゲーム、AI開発に多くの可能性をもたらします。また、人間に近い思考と学習ができるAGIシステムの実現に向けた重要な一歩でもあります。

AIについて詳しく知るには、GitHubリポジトリをご覧ください。活発なコミュニティに参加して、小売業界におけるAIや製造業におけるビジョンAIなどの分野のイノベーションをご覧ください。コンピュータービジョンを今すぐ始めるには、ライセンスの選択肢をご確認ください。