Project Genie ของ Google เปลี่ยนข้อความสั่งงานให้เป็นโลกแบบโต้ตอบได้ แต่ยังไม่ใช่เกมที่สร้างเสร็จสมบูรณ์

ใช้เวลาอ่าน 8 นาที
Google's Project Genie Turns Text Prompts Into Interactive Worlds, but Not Finished Games

โลกที่คุณเปลี่ยนแปลงได้ระหว่างสำรวจ

Project Genie ของ Google ให้ผู้คนบรรยายโลกแบบโต้ตอบได้ด้วยภาษาทั่วไป แล้วเข้าไปสำรวจและแก้ไขสิ่งที่ระบบสร้างขึ้น เมื่อวันที่ 18 พฤศจิกายน 2026 Google เริ่มทยอยเปิดตัวเวอร์ชันอัปเดตให้สมาชิก Google AI Ultra ที่มีคุณสมบัติตามเกณฑ์และมีอายุ 18 ปีขึ้นไป วันถัดมา นักพัฒนาสามารถเข้าถึงโมเดล Genie 4 ผ่าน Gemini API และ Google AI Studio

สารบัญ
  1. โลกที่คุณเปลี่ยนแปลงได้ระหว่างสำรวจ
  2. มีอะไรเปลี่ยนแปลงในวันที่ 18 และ 19 พฤศจิกายน?
  3. world model แตกต่างจากวิดีโออย่างไร
  4. เทคโนโลยีนี้จะเหมาะกับการสร้างเกมอย่างไร?
  5. เรื่องนี้หมายความว่าอย่างไรกับ Mahjong Ways
  6. ข้อจำกัดของเทคโนโลยีในปัจจุบัน
  7. วันสำคัญ
  8. สิ่งที่ควรรู้

การเปิดตัวครั้งนี้นำพรอมต์ข้อความ รูปภาพ ภาพเคลื่อนไหว และเสียงมารวมไว้ในการทดลองเดียว ผู้ใช้สามารถสั่งให้สร้างฉากหนึ่งขึ้นมา เคลื่อนที่ไปในฉากนั้น แล้วพิมพ์คำสั่งเพื่อเปลี่ยนสภาพอากาศ เพิ่มตัวละคร หรือปรับเปลี่ยนเหตุการณ์ Google ระบุว่า Genie 4 สร้างภาพความละเอียด 720p ที่ 24 เฟรมต่อวินาที พร้อมเสียงที่ซิงโครไนซ์กัน ทั้งเสียงบรรยากาศและบทพูดของตัวละคร

ผลิตภัณฑ์นี้มีชื่อว่า Project Genie ไม่ใช่ Playground Google อธิบายว่าเป็นต้นแบบงานวิจัยเชิงทดลองที่ขับเคลื่อนด้วย Genie 4 ของ Google DeepMind สมาชิก AI Pro สามารถลงชื่อในรายชื่อรอได้ ส่วนสมาชิก Ultra ที่มีคุณสมบัติตามเกณฑ์กำลังทยอยได้รับสิทธิ์เข้าถึง Google ยังไม่ได้ระบุวันที่จะเปิดให้เข้าถึงในวงกว้างขึ้น หรือจำกัดระยะเวลาเซสชัน Genie 4 สำหรับประสบการณ์ของสมาชิกหรือไม่

หน้า Project Genie ของ Google แสดงตัวอย่างตั้งแต่การสำรวจโลกในมุมมองของมด ไปจนถึงการค้นหาเบาะแสในคฤหาสน์ผีสิง ผู้ใช้ยังเปลี่ยนภาพถ่ายให้เป็นสถานที่ที่สำรวจได้ และนำโลกที่แชร์ไว้ในแกลเลอรีชุมชนมาดัดแปลงได้ด้วย ตัวอย่างเหล่านี้ช่วยให้เห็นภาพผลิตภัณฑ์ได้ง่ายขึ้น กล่าวคือ เป็นเครื่องมือสำหรับสร้างและสำรวจฉากที่เปลี่ยนแปลงได้ ไม่ใช่เพียงรับชมวิดีโอที่สร้างเสร็จแล้ว

Google DeepMind เปิดตัว Genie 3 ในเดือนสิงหาคม 2025 ในฐานะ world model รุ่นก่อนหน้า โดยประกาศเกี่ยวกับ Genie 3 ระบุว่าโมเดลสร้างสภาพแวดล้อมที่สำรวจและเคลื่อนที่ได้จากข้อความ โดยคงความต่อเนื่องได้นานหลายนาที Genie 4 เป็นโมเดลรุ่นใหม่กว่าที่ใช้ใน Project Genie ขณะที่ Google ก็ได้อัปเดต Genie 3 ให้รองรับเซสชันที่ยาวขึ้นและฟีเจอร์อื่น ๆ ด้วย

มีอะไรเปลี่ยนแปลงในวันที่ 18 และ 19 พฤศจิกายน?

การอัปเดตเมื่อวันที่ 18 พฤศจิกายนเพิ่ม Genie 4 เข้ามาใน Project Genie พร้อมเอเจนต์สร้างสรรค์ที่โต้ตอบผ่านบทสนทนา และแกลเลอรีสำหรับแชร์และดัดแปลงโลกต่าง ๆ เอเจนต์ช่วยต่อยอดคำบรรยายให้กลายเป็นฉากที่มีรายละเอียดมากขึ้นผ่านการสนทนา ส่วนแกลเลอรีเปิดให้ผู้ใช้สำรวจผลงานและปรับสภาพแวดล้อม ตัวละคร หรือเสียงได้

Google ระบุว่าผู้ทดสอบกลุ่มแรกต้องการควบคุมสิ่งที่เกิดขึ้นในโลกที่สร้างขึ้นได้มากขึ้น และต้องการวิธีสร้างและแชร์ที่ง่ายขึ้น Diego Rivas ผู้จัดการผลิตภัณฑ์กลุ่มของ Google DeepMind และ Pavan Kumar ผู้จัดการผลิตภัณฑ์กลุ่มของ Google Labs เขียนไว้ในประกาศของบริษัทเมื่อวันที่ 18 พฤศจิกายนว่า:

ผู้ทดสอบกลุ่มแรกบอกเราว่าต้องการควบคุมสิ่งที่เกิดขึ้นในโลกเหล่านั้นได้ลึกซึ้งยิ่งขึ้น และต้องการวิธีสร้างและแชร์ที่ง่ายกว่าเดิม

เมื่อวันที่ 19 พฤศจิกายน Google เปิดให้เหล่านักพัฒนาใช้ Genie 4 ผ่าน Gemini API และ Google AI Studio โดยเริ่มจากคำบรรยายข้อความ ภาพอ้างอิง หรือทั้งสองอย่าง จากนั้นใช้แป้นพิมพ์ควบคุมและพรอมต์แบบเรียลไทม์เพื่อเปลี่ยนฉาก Google ระบุว่าการสร้างต้นแบบประสบการณ์แบบโต้ตอบ การแสดงภาพการออกแบบเชิงพื้นที่ และการฝึกหุ่นยนต์กับเอเจนต์ AI เป็นการใช้งานที่เป็นไปได้ ประกาศสำหรับนักพัฒนาระบุว่าผลงานทุกชิ้นมีลายน้ำ SynthID ที่มองไม่เห็น

รายละเอียดทางเทคนิคที่มีการรายงานเกี่ยวกับบริการสำหรับนักพัฒนาระบุว่ามีค่าใช้จ่ายราว 10 เซนต์ต่อวินาทีของผลลัพธ์ที่สตรีม โดยจำกัดเซสชันไว้ที่ 120 วินาที หากใช้เต็มสองนาทีจะมีค่าใช้จ่ายราว 12 ดอลลาร์ ข้อจำกัดและราคานี้ใช้กับ API สำหรับนักพัฒนา ส่วน Google ยังไม่ได้เผยแพร่ข้อจำกัดระยะเวลาเซสชันที่ตรงกันสำหรับ Genie 4 ใน Project Genie

โฆษณา

world model แตกต่างจากวิดีโออย่างไร

โดยทั่วไป เครื่องมือสร้างวิดีโอจะสร้างลำดับภาพให้ผู้ชมรับชม ส่วน world model จะสร้างสิ่งที่จะเกิดขึ้นต่อไปเมื่อมีคนเคลื่อนที่หรือเปลี่ยนฉาก หากผู้ใช้หันไปทางประตูหรือสั่งให้ฝนตก ระบบต้องสร้างภาพใหม่ที่ตอบสนองต่อการกระทำนั้นและสอดคล้องกับฉาก

ความต่อเนื่องจึงเป็นความท้าทายสำคัญ โลกที่น่าเชื่อถือควรติดตามได้ว่าวัตถุและตัวละครอยู่ตรงไหน รวมถึงสภาพแวดล้อมเปลี่ยนไปอย่างไร Google ระบุว่า Genie 4 รองรับการแก้ไขฉากแบบเรียลไทม์และเสียงที่ปรับตามฉากได้ บริษัทยังระบุว่าความล่าช้าของกล้อง ปฏิสัมพันธ์ทางกายภาพที่ซับซ้อน เสียงเรียลไทม์ที่แม่นยำ และการรักษาความต่อเนื่องของฉากเป็นเวลานาน เป็นประเด็นที่ยังต้องพัฒนาต่อ

Genie 3 ช่วยให้เห็นภาพพัฒนาการของเทคโนโลยีนี้ เมื่อ Google DeepMind ประกาศเปิดตัวในปี 2025 โมเดลสามารถสร้างโลกได้สูงสุด 24 เฟรมต่อวินาทีที่ความละเอียด 720p โดยรักษาความต่อเนื่องได้นานหลายนาที ข้อจำกัดที่ระบุไว้มีทั้งความแม่นยำทางภูมิศาสตร์ที่ยังไม่สมบูรณ์ การสร้างข้อความให้อ่านชัดที่ทำได้ยาก ช่วงของการกระทำโดยตรงที่จำกัด และระยะเวลาโต้ตอบที่สั้น ในช่วงแรก Google เปิดให้ใช้งาน Genie 3 ในรูปแบบตัวอย่างงานวิจัยที่จำกัดแก่กลุ่มนักวิชาการและผู้สร้างสรรค์จำนวนเล็กน้อย

การอัปเดตล่าสุดของ Google ขยายระยะเวลาเซสชัน Genie 3 เป็นสูงสุดสามนาทีต่อการสร้างหนึ่งครั้ง จากเดิม 60 วินาที และเปิดให้ผู้ใช้เชื่อมโลกเข้าด้วยกันหรือเริ่มจากภาพพาโนรามา 360 องศา รายละเอียดเหล่านี้ใช้กับ Genie 3 ไม่ควรเข้าใจผิดว่าเป็นระยะเวลาเซสชัน Genie 4 ในผลิตภัณฑ์สำหรับผู้บริโภคที่มีการประกาศอย่างเป็นทางการ

เทคโนโลยีนี้จะเหมาะกับการสร้างเกมอย่างไร?

สำหรับนักพัฒนาเกม โลกที่สร้างขึ้นมาอาจช่วยทดสอบแนวคิดก่อนที่ทีมจะสร้างสภาพแวดล้อมทั้งหมดด้วยเอนจินเกมแบบดั้งเดิม นักออกแบบอาจทดลองใช้แสง ฉากหลัง หรือรูปลักษณ์ตัวละครแบบต่าง ๆ หรือแสดงแนวคิดคร่าว ๆ ให้เพื่อนร่วมงานดูได้ ส่วน API สำหรับนักพัฒนาก็เปิดทางให้ทีมทดลองฉากแบบโต้ตอบได้ โดยไม่ต้องสร้างองค์ประกอบภาพทุกชิ้นด้วยมือก่อน

แต่การทำเช่นนี้แตกต่างจากการสร้างเกมเชิงพาณิชย์ที่เสร็จสมบูรณ์ เอนจินเกมคือซอฟต์แวร์ที่ใช้สร้างและเล่นเกม ซึ่งมีสินทรัพย์ กฎ และระบบควบคุมที่กำหนดไว้ ส่วน world model สร้างฉากที่เปลี่ยนแปลงตามพรอมต์และการกระทำ เทคโนโลยีทั้งสองอาจสนับสนุนกันได้ แต่การจำลองที่สร้างขึ้นไม่ได้ทำให้มีระบบที่ผ่านการทดสอบ ประสิทธิภาพที่เสถียร หรือเครื่องมือการผลิตที่ครบถ้วนตามที่เกมสมบูรณ์ต้องการโดยอัตโนมัติ

ตัวอย่างที่ Google เผยแพร่ก่อนหน้านี้ในเดือนตุลาคมอธิบาย Genie 4 ว่าเป็นโมเดลสำหรับสภาพแวดล้อมแบบโต้ตอบที่มีการเคลื่อนไหว เสียง และเหตุการณ์ที่เปลี่ยนแปลงได้ การเปิดตัวครั้งต่อมาเพิ่มสิทธิ์เข้าถึงสำหรับสมาชิกและนักพัฒนา รวมถึงเครื่องมือสำหรับสร้างและแชร์โลกต่าง ๆ เมื่อพิจารณารวมกัน ประกาศเหล่านี้แสดงให้เห็นถึงการเปลี่ยนจากตัวอย่างงานวิจัยที่จำกัดไปสู่การทดลองใช้งานจริง ไม่ใช่การอ้างว่า Google เปิดตัวระบบพัฒนาเกมที่สมบูรณ์แล้ว

โฆษณา

เรื่องนี้หมายความว่าอย่างไรกับ Mahjong Ways

Mahjong Ways เกมจาก PG Soft มีรูปแบบที่แตกต่างจากโลกเปิดซึ่งเปลี่ยนแปลงไปตามการสำรวจของผู้เล่น เกมนี้ใช้วงล้อหมุน สัญลักษณ์ธีมไพ่นกกระจอก แอนิเมชัน และฟีเจอร์ที่กำหนดไว้ เช่น Wild Transformation และ Free Spins รูปแบบการเล่นอาศัยกฎและผลลัพธ์ที่ออกแบบมาเฉพาะสำหรับเกมนี้

ในทางทฤษฎี AI สร้างสรรค์อาจช่วยให้สตูดิโอทดลองแนวคิดด้านภาพ สร้างแอนิเมชันทดสอบแบบคร่าว ๆ หรือดูว่าการออกแบบจะปรากฏบนหน้าจอขนาดต่าง ๆ อย่างไรได้ นี่เป็นการใช้งาน AI ที่เป็นไปได้ในการผลิตเกม ไม่ใช่การใช้งานที่ PG Soft ยืนยันแล้ว และไม่มีหลักฐานว่าบริษัทใช้ Project Genie หรือ Genie 4 ในการพัฒนา Mahjong Ways

เกมที่มีกฎกำหนดไว้ยังต้องผ่านการตรวจสอบทางเทคนิคอย่างรอบคอบ นักออกแบบและวิศวกรต้องตรวจสอบให้แน่ใจว่าฟีเจอร์ต่าง ๆ ทำงานตามที่ตั้งใจ อินเทอร์เฟซอ่านเข้าใจง่าย และเกมทำงานได้อย่างน่าเชื่อถือ หากผลลัพธ์ขึ้นอยู่กับโอกาส ก็ต้องทดสอบกฎและพฤติกรรมทางคณิตศาสตร์ของระบบแยกต่างหาก โมเดลที่สร้างฉากได้อย่างสมจริงไม่ได้ตรวจสอบองค์ประกอบเหล่านี้ของเกมให้โดยตัวมันเอง

ความแตกต่างนั้นเข้าใจได้ง่าย: Genie สร้างสภาพแวดล้อมแบบโต้ตอบจากคำสั่ง ขณะที่เกมที่ออกแบบตายตัวสร้างขึ้นให้เป็นไปตามรูปแบบที่กำหนดไว้ สตูดิโออาจใช้ AI เพื่อเร่งการทดลองด้านภาพในช่วงแรก แล้วอาศัยกระบวนการผลิตและการทดสอบของตนเองเพื่อสร้างเกมให้เสร็จสมบูรณ์

ข้อจำกัดของเทคโนโลยีในปัจจุบัน

ฉากที่สร้างขึ้นอาจขาดความต่อเนื่องเมื่อดำเนินไปเรื่อย ๆ วัตถุอาจเคลื่อนตำแหน่งหรือมีรูปลักษณ์เปลี่ยนไปหลังกล้องเคลื่อนที่ และการจำลองปฏิสัมพันธ์ทางกายภาพที่ซับซ้อนยังทำได้ยากอย่างน่าเชื่อถือ เสียงพูดและข้อความก็อาจไม่ถูกต้องเช่นกัน ปัญหาเหล่านี้มีความสำคัญในเกม เพราะผู้เล่นคาดหวังว่าวัตถุ ตัวละคร หรือกฎจะคงเดิมจากช่วงเวลาหนึ่งไปยังอีกช่วงเวลาหนึ่ง

Google ระบุว่า Genie 3 รองรับการโต้ตอบได้ไม่กี่นาที ไม่ใช่หลายชั่วโมง ส่วน Genie 4 นั้น Google ระบุว่าการรักษาความคงอยู่ของฉากในระยะยาวและความแม่นยำของเสียงยังเป็นความท้าทาย แต่ยังไม่ได้เผยแพร่ข้อจำกัดระยะเวลาเซสชันสำหรับเวอร์ชันผู้บริโภค นักพัฒนาต้องคำนึงด้วยว่าคุณภาพของภาพและเสียงที่สอดคล้องกันไม่ได้หมายความว่าจะมีตรรกะของเกมหรือการควบคุมคุณภาพครบถ้วน

Google ระบุว่า Project Genie ตรวจสอบอินพุตและเอาต์พุตของโมเดลเพื่อความปลอดภัย และเพิ่มลายน้ำ SynthID ให้กับวิดีโอและเสียงที่สร้างขึ้น ลายน้ำนี้มีจุดประสงค์เพื่อระบุเนื้อหาที่สร้างด้วยเครื่องมือ AI ของ Google มาตรการเหล่านี้เป็นส่วนเสริมจากข้อจำกัดทางเทคนิคของผลิตภัณฑ์ ไม่ได้ทำให้ผู้ใช้และนักพัฒนาไม่จำเป็นต้องตรวจสอบเนื้อหาในฉากที่สร้างขึ้น

โฆษณา

วันสำคัญ

  • 5 สิงหาคม 2025: Google DeepMind ประกาศเปิดตัว Genie 3 ในฐานะ world model แบบโต้ตอบ และเริ่มเปิดให้ทดลองใช้งานวิจัยในวงจำกัด

  • 27 ตุลาคม 2026: Google DeepMind เปิดตัว Genie 4 ให้กลุ่มผู้ทดสอบที่ผ่านการคัดเลือกและได้รับความไว้วางใจจำนวนจำกัด

  • 18 พฤศจิกายน 2026: เริ่มทยอยเปิดให้สมาชิก Google AI Ultra ที่มีคุณสมบัติตามเกณฑ์ใช้ Genie 4 ใน Project Genie ส่วนสมาชิก AI Pro สามารถลงชื่อในรายชื่อรอได้

  • 19 พฤศจิกายน 2026: Google เปิดให้เหล่านักพัฒนาใช้ Genie 4 ผ่าน Gemini API และ Google AI Studio

สิ่งที่ควรรู้

  • Project Genie ใช้ Genie 4 ของ Google DeepMind เพื่อสร้างโลกแบบโต้ตอบจากพรอมต์ข้อความ รูปภาพ และการกระทำของผู้ใช้

  • Genie 4 เริ่มเปิดให้สมาชิก Google AI Ultra ที่มีคุณสมบัติตามเกณฑ์ใช้เมื่อวันที่ 18 พฤศจิกายน 2026 ส่วนนักพัฒนาเข้าถึง API ได้ในวันถัดมา

  • Google ระบุว่าโมเดลสร้างภาพความละเอียด 720p ที่ 24 เฟรมต่อวินาที พร้อมเสียงที่ซิงโครไนซ์กันได้

  • เซสชัน Genie 3 ใช้งานได้นานสูงสุดสามนาที ขณะที่ Google ยังไม่ได้ประกาศข้อจำกัดระยะเวลาเซสชันสำหรับ Genie 4 เวอร์ชันผู้บริโภค

  • AI อาจช่วยทีมพัฒนาเกมทดสอบแนวคิดได้ แต่ไม่มีหลักฐานว่า PG Soft ใช้ Genie 4 กับ Mahjong Ways

  • ความเสถียรของฉาก ปฏิสัมพันธ์ที่ซับซ้อน ความแม่นยำของเสียง และเซสชันที่ยาวขึ้นยังเป็นความท้าทายทางเทคนิค

แชร์บทความนี้

เรื่องที่คุณอาจชอบ