План искусственного интеллекта Google на 2026 год раскрыт

Axios задал Димису Хассабису простой вопрос: какие изменения в ИИ мы ощутим через год? Он ответил с помощью дорожной карты, которая выходит далеко за пределы обычных настроек параметров моделей, описывая мир, где Gemini от Google перестает быть лишь чатом и начинает выполнять функции инфраструктуры для повседневной жизни.

На саммите Axios AI+ Хассаказис повторил строгий график: следующие 12 месяцев принадлежат многомодальной конвергенции. Gemini уже обрабатывает текст, изображения, видео и аудио; он утверждает, что настоящий прорыв произойдет, когда эти модальности перестанут быть добавлениями и начнут взаимодополнять друг друга, позволяя языковым моделям напрямую рассуждать о визуальных образах, звуке и движении в единой интегрированной системе.

Хассабис указал на последнюю систему изображений Google — видеозапись называет её "Нано Банан Про" — как на доказательство концепции. Эта модель не просто создает красивые картинки; она строит точные инфографики, анализирует сложные сцены и дорабатывает свои собственные результаты, ведя себя не как фильтр, а скорее как визуальный аналитик, связанный с языковой моделью.

Эта же философия определяет более широкое позиционирование Gemini. Хассабис представляет Gemini как «универсального помощника», а не как одно приложение или веб-сайт, а как уровень, который работает на телефонах, ноутбуках, автомобилях и, в конечном итоге, очках, отвечает на вопросы, следит за тем, что вы делаете, и управляет документами, электронными таблицами и кодом в вашем аккаунте Google.

В ближайшей перспективе Хассабис предлагает делегировать целую задачу — спланировать поездку, составить контракт, отладить код — и агент на базе Gemini приблизится к полному завершению этой задачи. Он утверждает, что нынешние агенты неэффективны, потому что слабо работают с инструментами и API; же тщательно интегрированный мультимодальный Gemini мог бы наблюдать, слушать, читать и действовать в одном непрерывном цикле.

Видеоролик на YouTube, который стал катализатором нарратива «мастер-плана 2026 года», берет 12-месячный прогноз Axios и расширяет его до полного горизонта омнимодели. К 2026 году, как утверждается, Gemini охватит шесть модальностей в одной структуре: - Текст - Изображения - Видео - Аудио - 3D - Робототехника

Это более агрессивный график, чем тот, что озвучил Хассаbis на сцене. Его публичная ставка сосредоточена на следующем году многомодальной фузии и поведении, похожем на поведение помощника, в то время как создатели предполагают, что в 2026 году Gemini перестанет быть семейством продуктов и начнет выглядеть как единый, моделирующий мир мозг для всей экосистемы Google.

Omnimodel — это новое модное слово Google для единой AI-структуры, охватывающей сразу шесть модальностей: текст, изображения, видео, аудио, 3D и робототехнику. Вместо раздельных специализированных моделей, соединённых хрупкими API, Хассабис описывает конвергированную систему, где одна семейство базовых моделей, Gemini, естественным образом владеет всеми этими языками мира.

Современные «мультимодальные» системы в основном добавляют визуальные данные к языковым или интегрируют аудио-вход/выход к тексту. Полный оми-модель идет дальше, деля одно представительное пространство, так что одни и те же внутренние нейроны обрабатывают предложение, кадр видео, план комнаты или поток данных от сенсора робота.

Этот унифицированный ядро позволяет возможностям переплетаться за пределами границ. Углубленное визуальное понимание от моделей, таких как последняя система изображений Google (в видео её называют "Nano Banana Pro"), возвращается к улучшенной языковой привязке, что затем уточняет поэтапное планирование и использование инструментов.

В оминомодельном стеке каждая модальность активно обучает других. Видение Google выглядит примерно так: - Текст: основа рассуждений, кодирования и планирования Gemini - Изображения/видео: восприятие с помощью моделей из линии Veo/V3 и интерактивных видеосистем, таких как Genie - Аудио: низколатентные разговоры и реальное руководство Gemini Live - 3D: модели мира, которые извлекают геометрию и возможности из видео - Робототехника: Gemini Robotics 1.5 управляет манипуляторами, мобильными базами и гуманоидными роботами с одним и тем же мозгом

Унифицированное обучение позволяет модели сопоставлять фразу "положите зеленый фрукт на зеленую тарелку" с пикселями, глубиной и моторными командами без ручных промежуточных этапов. Учебное пособие по ремонту, просмотренное в виде видео, превращается в 3D-сцену, по которой робот может перемещаться, с Narration на естественном языке и звуковыми сигналами, согласованными с физическими действиями.

Это шаг вперёд по сравнению с текущими мультимодальными чат-ботами, которые в основном остаются внутри браузера. Омнимодель может наблюдать за вашей средой через камеру, рассуждать о ней с помощью того же набора инструментов, который используется для написания кода и аннотаций, а затем действовать в этой среде через робота или смартфонные агенты.

Для Google это стратегический путь к универсальному ИИ: одна семейство моделей, способное читать, смотреть, слушать, симулировать и манипулировать реальным миром. Тот, кто первым выпустит надежную омнимодель, не только победит в поиске; он овладеет интерфейсом как к цифровой, так и к физической реальности.

Gemini Robotics 1.5 — это попытка Google превратить крупные языковые модели в физических работников, а не просто разговорных помощников. На демонстрации Google робот-манипулятор Aloha использует Gemini для визуального анализа стола с фруктами, пошагового осмысления правил сопоставления цветов и затем выполнения многопроцессного задания по сортировке с вербальными объяснениями для каждого движения. Система не просто выполняет запрограммированный сценарий; она «размышляет вслух», демонстрируя внутреннюю цепочку рассуждений между восприятием и действием.

Другой демонстрационный пример использует ту же модель в гуманоиде Apollo, который сортирует бельё. Внезапно человек меняет корзины во время выполнения задачи, и Apollo обновляет свой план на лету, демонстрируя способность Gemini переосмысливать ситуацию и адаптироваться. Gemini Robotics 1.5 также использует интернет: рука Aloha применяет руководства по утилизации отходов Сан-Франциско, которые она только что получила из интернета, для классификации мусора, переработки и компоста.

Настоящий прорыв скрыт под театрализованными эффектами: одна модель, контролирующая совершенно разные роботизированные тела без тонкой настройки для каждого робота. Google утверждает, что Gemini Robotics 1.5 работает на всех его платформах — манипуляторах Aloha, мобильных базах, гуманоидных роботах — используя одни и те же веса и один и тот же интерфейс высокоуровневых действий. Это указывает на настоящую «омнимодель» для воплощения, где один мозг обобщает на различных формах, задачах и в разных средах.

Аппаратное обеспечение по-прежнему является слабым местом Google. Boston Dynamics, Figure, Tesla и Agility Robotics отправляют или тестируют физические платформы в крупных масштабах, в то время как Google в основном демонстрирует прототипы, ограниченные лабораторией. Даже Apollo, созданный компанией Apptronik, подчеркивает, что Google лидирует в области управляющих систем ИИ, а не в области актуаторов, аккумуляторов или прочных цепочек поставок.

К 2026 году правдоподобный Gemini Robotics 2.x начинает выглядеть не как демонстрационная запись, а как полноценная платформа. Ожидайте: - Надежную работу с беспорядком в домашних условиях, а не только на обустроенных столах - Многочасовые, многокомнатные процессы, такие как «убрать на кухне и загрузить посудомоечную машину» - Промышленный подбор и упаковка, комплектация и базовая инспекция в настоящих складах

Собственные сроки разработки ИИ и публичные комментарии Google, включая Демиса Хасабиса о будущем ИИ – Google DeepMind (встреча у камина Форума Fortune Global), предполагают быстрые достижения в области планирования и многомодального мышления в течение следующих 2–5 лет. Если эти прорывы будут внедрены в роботов, Gemini Robotics 2.x могут превратить сегодняшние трюки с сортировкой фруктов в незаметную, но компетентную домашнюю и заводскую работу.

Забудьте о чат-ботах. Для Дemis Хасабиса настоящая шоковая волна в течение следующих 12–24 месяцев появится на экранах: видео и изображения, которые не просто выглядят реалистично, но и действительно понимают то, что показывают. Veo от Google (часто называемая «V3» в демонстрациях) находится в центре этого стремления, тихо становясь одной из самых мощных генеративных видеосистем в этой области.

Veo генерирует высококачественные клипы на основе текста или одного изображения, с последовательными персонажами, согласованным движением камеры и физически правдоподобными сценами. На внутренних и партнерских демо он уже достиг уровня или превзошел первые клипы OpenAI Sora по временной согласованности и соблюдению запросов, даже несмотря на то, что Google внедряет его более осторожно.

Хассабис утверждает, что настоящее преимущество Veo будет не в кинематографических трюках, а в размышлениях. Поскольку Gemini изначально многомодален, Veo может в принципе воспринимать: - Сценарий или план - Референсные изображения или раскадровки - Ограничения по непрерывности и стилю

а затем создавать видео, которое уважает нарративную логику, а не только поверхностный стиль. Это и есть разница между «крутой демонстрацией» и «полезным инструментом» для кино, рекламы и симуляции.

На изображении новая модель Google, шутливо названная "Нано Банан Про" на сцене, намекает на то, к чему это ведет. Вместо одной прямой передачи от подсказки к пикселям, она ведет себя больше как агент: генерирует, проверяет свой собственный вывод, обнаруживает ошибки, а затем регенерирует с исправлениями.

Попросите создать сложную инфографику, и Nano Banana Pro сможет правильно разместить оси, легенды и метки, соответствующие исходным данным. Например, он может визуализировать столбчатую диаграмму доли рынка смартфонов, понять, что метка накладывается на столбец, переместить её и скорректировать цвета для улучшения доступности — и всё это без участия человека.

Хассабис считает, что настоящее открытие произойдет, когда эти визуальные системы крепко объединятся с крупными языковыми моделями. Будущий Gemini сможет прочитать 20-страничный отчет, проверить факты, создать инфографику и затем превратить это в 30-секундное объяснительное видео, сохраняя при этом внутреннюю согласованность.

С стратегической точки зрения это важнее, чем фотореализм. Для Google победа в этой гонке означает создание моделей, которые генерируют визуальные образы не только с высоким разрешением, но и точные, учитывающие контекст и достаточно обоснованные, чтобы пользователи и регуляторы могли им доверять.

Gemini Live наконец-то делает концепцию «AI-ко-пилота» ощутимой. В вирусном клипе по замене масла пользователь наводит свой телефон на моторный отсек, говорит естественным образом и получает пошаговые инструкции о том, что открутить, что слить и чего не трогать. Никакого перерыва на ввод запросов, никакой прокрутки YouTube, только постоянный разговорный помощник на пассажирском сиденье.

Под капотом Gemini Live объединяет три сложные задачи в одном опыте. Первая — это низкозадерживающий перевод речи в речь, где модель слушает, рассуждает и отвечает почти в реальном времени, в отличие от типичной задержки в 2–5 секунд у облачных помощников. Вторая — это аналитика визуальной информации в реальном времени: система обрабатывает поток с камеры, отслеживает объекты, такие как масляные крышки и фильтры, и обновляет инструкции по мере изменения изображения.

Третий столп — это доступ к гигантскому графу знаний и веб-индексу Google. Gemini Live не просто видит болт; он сопоставляет этот болт с руководствами по ремонту, постами на форумах и рекомендациями по безопасности, а затем конденсирует это в один конкретный шаг. Эта синтез делает его более похожим не на голосовой поиск, а на опытного эксперта, который тихо следит за вами.

В результате, Gemini Live является самым явным шагом в сторону «универсального помощника», который Хассабис продолжает намекать. Вместо того чтобы ограничивать ИИ документами и кодом, он начинает справляться с неупорядоченными, реальными рабочими процессами: обслуживанием автомобилей, ремонтом в доме, готовкой, даже базовой диагностикой потребительской электроники. Демонстрация замены масла служит заменой для любой задачи, где обычно вам нужно одновременно просматривать видео с инструкцией, PDF-файл и обсуждение на Reddit.

К 2026 году ожидайте, что этот стек станет выглядеть совершенно иначе под поверхностью. Задержка, вероятно, упадет ниже 300 мс от конца до конца, что сделает обмен речью практически мгновенным и позволит более естественное вмешательство и прерывание. Визуальное понимание должно расшириться от статических частей к динамическим системам, от обнаружения утечки до моделирования того, как жидкость должна перемещаться через двигатель или прибор.

Глубокое мышление станет еще более важным, чем скорость. Gemini Live 2026 сможет разбивать многочасовые задания на подзадачи, отслеживать прогресс в течение дней и адаптировать планы, когда инструменты, детали или условия изменяются. В этот момент "помощник" перестанет быть метафорой и начнет звучать как точное описание должности.

Мировые модели превращают генеративный ИИ из пассивного контента в играбельную реальность. Вместо того чтобы выдавать фиксированный 10-секундный клип, мировая модель изучает основные динамики окружающей среды — как объекты движутся, сталкиваются и реагируют — так что пользователи или агенты могут войти внутрь и взаимодействовать в реальном времени. Подумайте не о «фильтре видео ИИ», а о «уровне, сгенерированном ИИ в игровом движке», который обновляется, когда вы влияете на него.

Genie 3, последняя модель мировых представлений от Google DeepMind, настойчиво продвигает эту идею. Из одного текстового запроса — «мокрый от дождя киберпанковский переулок», «марсианский каньон на закате», «затопленная станция метро» — Genie 3 может синтезировать исследуемый 2D или псевдо‑3D мир с последовательной физикой и навигацией. Вместо заранее заданных путей для камеры вы получаете контролируемого аватара, непрерывное движение и объекты, которые ведут себя последовательно в разных кадрах.

Ключевым моментом является то, что Genie 3 не сбрасывается каждый раз, когда вы нажимаете кнопку. Система сохраняет мировую память, отслеживая состояния объектов, их позиции и предыдущие взаимодействия, так что, например, переворот ящика или открытие двери сохраняются по мере вашего изучения. Кроме того, Google добавляет «подсказуемые события»: вы можете вносить новые инструкции прямо во время симуляции — «вызвать землетрясение», «начать отключение электроэнергии», «вызвать спасательный дрон» — и мир обновляется на ходу, оставаясь при этом физически и визуально последовательным.

Игры очевидно являются первой остановкой. Модели в стиле джиннов могут автоматически генерировать играбельные уровни, побочные квесты или целые микромиры, адаптированные к навыкам игрока или его выбору в сюжете. Дизайнеры могут описывать атмосферу в текстовом формате, а затем дорабатывать живой прототип вместо того, чтобы вручную создавать каждую плитку и коллизионную коробку.

Глубокая игра находится за пределами развлекательной сферы. Робототехники нуждаются в миллиардах безопасных взаимодействий с ошибками, прежде чем доверять робота в окружении людей. Мировые модели, такие как Genie 3, могут создавать синтетические тренировочные площадки, где виртуальные агенты учатся хватать, ориентироваться и восстанавливаться после крайних ситуаций задолго до того, как столкнутся с реальным складом или больницей. Планы по управлению катастрофами могут создавать контролируемые симуляции лесных пожаров, химических разливов или городских наводнений и многократно тестировать планы эвакуации.

Хассабис утверждает, что обучение ИИ общему смыслу и физике требует такого рода обоснованного моделирования, а не просто дополнительного текстового контента из интернета. Модели мира предоставляют системам класса Gemini песочницу для изучения причинно-следственных связей, постоянства объектов и ограничений, таких как трение или гравитация. Эта же философия пронизывает более широкую многофункциональную стратегию Google, подробно описанную в Представляем Gemini: самый мощный мультимодальный ИИ-модель Google, где текст, зрение и действие сливаются в единую структуру, готовую обитать как в виртуальных, так и в физических мирах.

Надежные AI-агенты остаются недостающим элементом в мастер-плане Google на 2026 год. Демис Хассабис сообщил Axios, что современные системы все еще слишком часто терпят неудачи при выполнении сложных многоступенчатых задач, чтобы им можно было доверять настоящую делегировку типа «настроил и забыл». Они создают несоответствующие инструменты, теряют подс/tasks или замирают, когда изменяются API.

Хассаbis также очертил ближайшую перспективу: в течение примерно 12 месяцев он ожидает, что агенты, которые “приближаются” к надежному выполнению сложных задач от начала до конца. Это означает переход от “помоги мне написать это письмо” к “планируй и бронируй всю мою поездку, обрабатывай изменения и держи меня в курсе” с минимальным контролем. Надежность, а не чистый интеллект, становится ключевым фактором.

Google уже проводит контролируемые эксперименты с агентными системами в исследовательской деятельности. Хасабис описал «соученого», который может: - Генерировать гипотезы на основе литературы - Разрабатывать и проводить симуляции или лабораторные процессы - Интерпретировать результаты и предлагать последующие эксперименты

Те же самые паттерны проявляются в развивающемся наборе инструментов Gemini. Gemini уже может вызывать Календарь, Gmail, Документы и внешние API, связывать действия и пересматривать планы при изменении условий. Ранние внутренние агенты справляются с многоступенчатыми процессами поддержки клиентов или оптимизацией рекламных кампаний, но Google держит их под контролем, поскольку неудача все еще влечет за собой реальные затраты.

Чтобы преодолеть порог надежности Хассаниса, агентам нужны три вещи: более сильное размышление, надежная оркестровка инструментов и постоянная обратная связь от окружающей среды. Google атакует каждый уровень с помощью продвижения омнимодели. Полезный агент не может просто читать текст; он должен видеть, слышать и действовать.

Соединив Gemini Robotics 1.5, Veo, Nano Banana Pro и Genie 3, вы получаете чертеж для этого агента. Будущее экземпляр Gemini может наблюдать за производственным процессом через видео, интерпретировать устные инструкции от рабочих, консультироваться с 3D CAD моделями и отправлять роботов для перенастройки линии. Тот же каркас может работать в браузере, тихо управляя вашими подписками, одновременно направляя гуманоидного робота на починку текущего крана.

Ставка Google: как только одна модель надежно охватывает текст, изображения, видео, аудио, 3D и робототехнику, «AI-агенты» перестают быть пользовательским интерфейсом и становятся инфраструктурой.

Ставка Google на ИИ начинается в его центрах обработки данных, а не в демонстрациях. Пока конкуренты арендуют графические процессоры (GPU) у облачных провайдеров, Google работает на вертикально интегрированном стеке, основанном на своих специализированных ускорителях TPU v5p и следующего поколения TPU v6 Trillium. Этот контроль позволяет командам DeepMind и Gemini настраивать всё – от компилятора до системы охлаждения, извлекая максимальную эффективность из каждого мегавата.

TPU v5p ориентирован на крупномасштабное обучение с конфигурациями модулей, которые масштабируются до десятков тысяч чипов, в то время как v6 Trillium выводит эффективность на новый уровень для передовых мультимодальных моделей. Google утверждает, что v6 Trillium обеспечивает значительные приросты эффективности по сравнению с v5e, который уже поддерживал более ранние поколения Gemini. Владение дорожной картой кремния снижает зависимость от проблем с цепочкой поставок Nvidia и дает Google предсказуемую экономику на уровне единиц для многомиллиардных экспериментов с параметрами.

Оборудование само по себе не выигрывает гонку; Google также владеет самым ценным в мире мультимодальным учебным корпусом. Миллиарды видео на YouTube, тесно связанные с аудио, комментариями и данными об взаимодействии, образуют непревзойденную основу для видеомоделей и аудиомоделей, таких как Veo и перцептивный стек Gemini. Google Images и десятилетия веб-сканирования добавляют размеченные фотографии, диаграммы и скриншоты практически в каждой области.

Эта глубина данных имеет значение, особенно для видения «омнимодели», о котором говорит Демис Хасабис. Обучение одной модели для рассуждения на текстовых, изображенческих, видео-, аудио-, 3D- и робототехнических данных требует синхронизированных сигналов между модальностями: кадры, согласованные с транскрипциями, действия, согласованные с результатами, сцены, согласованные с языком. Один только YouTube предоставляет Google петабайты именно такого парного данных в глобальном масштабе и на десятках языков.

Затем есть исследовательская платформа Google DeepMind, возможно, самая сильная в этой области. AlphaFold не просто предсказал структуры белков; он изменил ожидания относительно того, что может сделать глубокое обучение в научных областях, выпустив более 200 миллионов предсказанных структур для сообщества. Ранее такие работы, как AlphaGo, AlphaZero и MuZero, создали культуру долгосрочных ставок, которые объединяют теорию, системную инженерию и масштабные вычисления.

Эта культура теперь напрямую переходит в Gemini, Genie мировые модели и новую волну агентных систем. Исследователи DeepMind не просто дорабатывают модели; они изобретают новые архитектуры, схемы обучения и методы оценки, а затем внедряют их в производственные стеки. Немногие конкуренты могут сопоставить эту цепочку от фундаментальной идеи до глобального развертывания.

Объединив эти три столпа — индивидуальные вычисления, собственные данные и элитные исследовательские кадры — Google имеет более чем просто преимущество. У него есть структурный барьер, который со временем усиливается, так как каждая новая модель как потребляет, так и генерирует данные, которые далее обучают следующее поколение.

Для Демиаса Хасабиса, Искусственный Общий Интеллект находится чуть за пределами гиперциклов 2026 года. Хотя он звучит уверенно в отношении ближайших "полных омнимоделей" и надежных агентов, его прогноз на Искусственный Общий Интеллект остается на уровне примерно 5–10 лет, а не двух или трех.

Он определяет AGI как нечто большее, чем современные яркие демонстрации. Системы должны демонстрировать истинное изобретение, постоянное творчество и более глубокое абстрактное мышление, а не просто перерабатывать обучающие данные или использовать последовательные подсказки. Текущие модели Gemini все еще не способны надежно генерировать новые научные гипотезы или инженерные проекты без серьезной человеческой поддержки.

Хассабис утверждает, что для достижения этой цели необходимы два параллельных компонента. Во-первых, агрессивное продолжение стратегии масштабирования: более крупные модели, более разнообразные мультимодальные данные и более глубокая интеграция текста, кода, изображений, видео, аудио, 3D и робототехники. Он явно связывает это с дорожной картой TPU Google и возможностью обучать передовые модели с меньшими предельными затратами.

Во-вторых, он настаивает на том, что лишь увеличение масштабов не приведет к созданию AGI. Он ожидает «одного-двух крупных научных прорывов» — новых архитектур, алгоритмов обучения или представлений, которые позволят моделям строить и манипулировать причинно-следственными моделями мира, а не просто статистическими корреляциями. Работы, такие как Genie 3 от DeepMind, и исследования, описанные в Будущее ИИ – Google DeepMind, намечают направление, но он рассматривает это как начальную стадию.

Оптимизм Хассаниса сопровождается прямолинейным реестром рисков. Он неоднократно поднимает вопросы кибертерроризма, где мощные модели автоматизируют обнаружение уязвимостей, фишинг с использованием spear-фишинга и социальную инженерию на основе deepfake в масштабах. Он также беспокоится о агентном отклонении — автономные системы, преследующие неправильно согласованные подцели, когда им предоставляются задачи на длительный срок и доступ к инструментам.

Этотmix амбициозности и осторожности формирует публичную позицию Google. Хассабис рассматривает работу по обеспечению безопасности — проверку на уязвимость, оценки, исследования по выравниванию и взаимодействие с политикой — как необходимое условие для продвижения к AGI, а не как необязательную задержку. Для него задача заключается не только в создании общего интеллекта, но и в том, чтобы сохранить его под контролем, когда он наконец появится.

Добро пожаловать в 2026 год, где Gemini тихо присутствует за почти всем, что вы делаете с экраном, камерой или мотором. "Полный оми-модель" Хасабиса означает, что один мозг охватывает текст, изображения, видео, аудио, 3D и робототехнику, так что ваш помощник больше не ощущается как набор приложений — он воспринимается как единая, постоянная система, которая запоминает, рассуждает и действует.

Ежедневная работа переходит от «использования инструментов» к «определению результатов». Надежный агент берет нечеткое задание — «спланировать и забронировать выезд клиента на 3 дня стоимостью до 15 000 долларов, отдать предпочтение поездам перед рейсами, учитывать расписания детей всех участников» — и выполняет его с помощью Gmail, Docs, Sheets, Slack и вашего календаря, запрашивая разъяснения только тогда, когда сталкивается с конфликтующими ограничениями.

На вашем телефоне и ноутбуке Gemini следует за вами как универсальный слой, а не как вкладка чат-бота. Начните разрабатывать стратегическую презентацию на вашем настольном компьютере, уточняйте макеты слайдов голосом во время поездки, а затем позвольте Gemini автоматически создать озвученную видео-версию для заинтересованных сторон, которые никогда не открывают слайды, всё это на основе одного и того же исходного состояния проекта.

Очки или легкие носимые устройства делают Gemini Live настоящим коучем в реальном времени. Наведите взгляд на автомобильный двигатель, серверный шкаф или медицинское устройство и получите пошаговые наложения, проверки безопасности и коррекцию ошибок в реальном времени, обеспечиваемые объединенными моделью зрения и языка с задержкой в десятках миллисекунд, а не секунд.

Креативные индустрии ощущают удар первыми. Интерактивные мировые модели, такие как Genie 3, позволяют одному создателю описать игровую механику в тексте, сгенерировать играбельную 3D-сцену, вносить изменения, общаясь с миром (например, "уменьши силу тяжести, добавь двух врагов, измени стиль на клеточную раскраску"), и публиковать в сети без использования традиционного движка.

Видеопроизводство превращается в проектирование запросов и руководство. Режиссер разрабатывает раскадровку, добавляет референсные кадры и использует модели класса Veo для генерации сцен, которые затем монтируют, цветокорректируют и композитят редакторы, превращая то, что раньше было 30-человеческим VFX-процессом, в гибрид человеческого вкуса и машинно-сгенерированных материалов.

Ничто из этого не происходит само по себе. Вертикально интегрированный стек Google — оборудование TPU v5p и v6 Trillium, данные в масштабе петабайт и исследовательская база DeepMind — придают его дорожной карте необычную достоверность, даже если сроки сдвигаются. Видение Хасабиса на 2026 год выглядит меньше как научная фантастика и больше как план продукта для ИИ, напрямую интегрированного как в ваши вкладки браузера, так и в вашу посудомоечную машину.

Какова концепция «омнимодели» Google?

«Омнимодель» относится к единой, унифицированной системе ИИ или семейству моделей, которые без швов обрабатывают несколько типов данных (модальностей), включая текст, изображения, видео, аудио, 3D-окружения и управление робототехникой. Цель состоит в том, чтобы создать поистине универсальный ИИ.

Что предсказал Демис Хасабис для ИИ к 2026 году?

Он предсказывает значительный прогресс в мультимодальной конвергенции, где языковые модели полностью объединяются с возможностями обработки изображений и видео. Он также ожидает, что ИИ-агенты станут достаточно надежными, чтобы самостоятельно справляться со сложными многошаговыми задачами.

Какие "мировые модели" у Google, такие как Genie 3?

Genie 3 — это интерактивная видеомодель, которая позволяет пользователям создавать и исследовать виртуальные миры с помощью текстовых подсказок. Она сохраняет память и последовательность, обеспечивая взаимодействие в реальном времени, и является важным шагом к обучению более способных воплощенных агентов.

Как используется Gemini от Google в робототехнике?

Gemini Robotics 1.5 позволяет физическим роботам воспринимать окружающую среду, мыслить пошагово для решения задач и выполнять сложные задания. Одна и та же модель может использоваться в разных формах роботов без дополнительной настройки, что делает машины более универсальными и многофункциональными.