Zatímco většina jazykových modelů se stále soustředí na generování textu, statických obrázků nebo lineárních videí, Google u svého modelu Gemini řadí vyšší rychlostní stupeň. Poslední aktualizace totiž přináší schopnost, která byla dosud doménou specializovaného softwaru – generování interaktivních 3D modelů a komplexních simulací přímo v reálném čase na základě textového promptu.
Dosavadní limity velkých jazykových modelů spočívaly v jejich „plochosti“. Pokud jste chtěli pochopit princip orbitální mechaniky nebo strukturu složité organické molekuly, AI vám nabídla buď encyklopedický odstavec, nebo v lepším případě generovaný obrázek bez hloubky.
Google Gemini Pro však nyní přetváří abstraktní data do funkčních vizuálních systémů. Tato aktualizace posouvá hranice multimodality – AI už informace jen neinterpretuje, ale aktivně je modeluje v trojrozměrném prostoru.
Fotogalerie
Manipulace s fyzikou v reálném čase
To, co tuto funkci odlišuje od běžné vizualizace, je její interaktivita. Nejde o uzavřené animace, ale o dynamické prostředí, kde může uživatel přímo ovlivňovat vstupní proměnné. S pomocí posuvníků a ovládacích prvků lze měnit veličiny, jako je gravitační konstanta, počáteční rychlost těles nebo úhly chemických vazeb. Jakákoliv změna v nastavení simulace se okamžitě projeví na chování modelu, což umožňuje vizuální testování hypotéz bez nutnosti psát kód nebo používat externí simulační nástroje. Modely lze navíc libovolně otáčet, přibližovat a rozebírat.
Tímto krokem Google definuje novou kategorii v segmentu umělé inteligence, kterou můžeme nazvat „vizuální výpočty“ (visual computing). Zatímco konkurenční řešení, jako je ChatGPT, se soustředí na estetickou kvalitu generovaného obsahu, Google sází na hodnotu a funkčnost.
Pro inženýry a designéry to znamená možnost bleskového prototypování nápadů. Místo složitého modelování v CAD softwaru stačí popsat koncept a Gemini vytvoří základní funkční model, který lze okamžitě podrobit vizuální kontrole.
