Google расширяет возможности своего ИИ Gemini, выходя за рамки статичных изображений и текста, чтобы предоставить пользователям интерактивные 3D-модели и симуляции в реальном времени. Это обновление позволяет чат-боту превращать сложные запросы в динамические визуальные инструменты, которыми пользователи могут манипулировать для лучшего понимания физических концепций.
От статичных изображений к динамическому взаимодействию
Ранее визуальные возможности Gemini ограничивались генерацией интерактивных изображений. Новое обновление внедряет гораздо более глубокий уровень взаимодействия. Вместо того чтобы просто смотреть на картинку, пользователи теперь могут взаимодействовать с результатом несколькими способами:
- Вращение и масштабирование: пользователи могут вращать 3D-модели, чтобы рассмотреть их с любого ракурса, или приближать отдельные детали.
- Настройки в реальном времени: многие симуляции включают ползунки, позволяющие изменять переменные — например, скорость или силу — чтобы мгновенно увидеть, как они влияют на результат.
- Пользовательское управление: такие функции, как кнопки «пауза» или переключатели для скрытия орбит, обеспечивают более контролируемый образовательный процесс.
Например, запрос на визуализацию Луны, вращающейся вокруг Земли, создаст модель, в которой пользователь сможет регулировать скорость орбиты с помощью ползунка или поставить движение на паузу, чтобы изучить конкретные точки цикла.
Гонка за визуальным интеллектом
Данная разработка является частью масштабной «гонки вооружений» среди крупнейших разработчиков ИИ, стремящихся перейти от текстовых рассуждений к мультимодальному интеллекту. Способность визуализировать данные и физические процессы становится стандартным требованием для высокотехнологичных моделей ИИ.
Шаг Google последовал сразу за недавними обновлениями его основных конкурентов:
— Anthropic недавно наделила свою модель Claude способностью отвечать с помощью интерактивных графиков и диаграмм.
— OpenAI представила функции для ChatGPT, позволяющие визуализировать математические и научные концепции.
Этот тренд указывает на то, что следующим рубежом для ИИ станет не просто «знание» информации, а её «демонстрация» через интерактивные визуальные рассуждения.
Как получить доступ к новым функциям
Возможность генерации таких симуляций на данный момент доступна пользователям приложения Gemini, выбравшим модель «Pro» в строке ввода.
Чтобы воспользоваться функцией, пользователи могут вводить запросы, связанные с физикой, математикой или сложной механикой, например:
* «Покажи мне двойной маятник»
* «Помоги мне визуализировать эффект Доплера»
Как только Gemini предоставит текстовый ответ, под ним появится кнопка «Показать визуализацию» (Show me the visualization), которая запустит интерактивную модель.
Заключение: Интегрируя 3D-симуляции, Google превращает Gemini из простого разговорного помощника в мощный образовательный и научный инструмент, идя в ногу с быстро развивающейся индустрией, ориентированной на визуальный и интерактивный ИИ.
