Googleの最新AI「Genie 3」の熱狂を冷静に分析する

Googleが無限の世界を生成するフラッグシップモデル「Genie 3」を発表し、ゲーム業界に激震が走りました。このAIは実際のゲームのように環境をシミュレートし、自由なインタラクションが可能なため、ゲーム業界の終焉を予感させるとして関連株価が軒並み暴落しました。しかし、中国のRobiant社が対抗してオープンソースのモデルをリリースするなど、技術開発の競争は急速に激化しています。話者はこの「無限世界モデル」のブームを冷静に見つめ、中身のない誇大広告である可能性を示唆しています。このセクションは、現在の過熱した市場の期待と、その後に続く批判的な分析の対比を象徴しています。

話者はGenie 3を試そうと試みましたが、カナダからのアクセス制限や「Ultraプラン」の高額な課金壁に直面し、利用の困難さを指摘しています。なぜこれほどまでに利用ハードルが高いのかという疑問が、のちの計算コストの話に繋がる重要な伏線となっています。一方で、中国のアント・グループの子会社Robiantが、独自のモデル「Lingbot World」をオープンソースで発表しました。デモ映像は圧倒的でしたが、実際にはフルキャラクターコントロールが可能なバージョンはまだ開発中という現状がありました。このセクションでは、技術の独占とオープンソース化の対立構造が浮き彫りになっています。

現在利用可能なLingbot Worldの140億パラメータモデルは、単なる動画生成とは一線を画す「幾何学的頭脳」を持っています。通常のAI動画生成が次のフレームを予測するだけなのに対し、このモデルはカメラの内部データを用いて全ピクセルを3D空間に紐付けています。これにより、カメラが一度視点を外しても同じ場所に物体が残り続ける「対象の永続性」を実現しています。この構造的な整合性を保つための数学的処理が、モデルの巨大化と計算負荷の増大を招いています。この革新的なアプローチが、従来のAI動画に見られた不自然な消失や変形を防ぐ鍵となっています。

話者はLingbot Worldを実際に動かそうとし、ハイエンドGPUであるRTX 1590を8枚使用してもクラッシュするという衝撃的な結果に直面しました。その主な原因は、時間の経過とともに肥大化するシーンのメモリ量がRAMの上限を超え、メモリ不足エラー（OOM）を引き起こすことにあります。GoogleがGenie 3のアクセスを制限し、実行時間を数秒に留めているのも、この膨大な計算コストを回収しシステム崩壊を防ぐためです。8枚のGPUを揃えるだけで4万ドル以上の費用がかかるという事実は、この技術が現在いかに非現実的かを物語っています。このセクションでは、理想の技術と冷酷なハードウェアスペックのギャップが詳細に解説されています。

開発者側も、現状の推論コストの高さや長期的な安定性の欠如といった問題を認めています。シーンの構造的整合性が失われる「環境ドリフト」が発生しやすく、数時間の対話にはまだ耐えられないのが実態です。Googleも直接的には認めないものの、利用時間を制限していることがその証拠であると話者は断言しています。したがって、現在のアーキテクチャでは家庭用ハードウェアでこれらのモデルを動かすことは不可能であり、従来のゲームがすぐに消える心配はありません。この技術が主流になるには、将来的な計算アルゴリズムの抜本的な解決が不可欠であると結論づけています。

最後に、Lingbot Worldを試したい人向けに、H200コンテナを利用した安価で効率的な実行方法がアドバイスされています。量子化バージョンを使用することで、GPUメモリの消費を抑えつつ一定の画質を維持できる可能性が示されています。話者がバイキングの画像を使って生成したデモでは、整合性は保たれていたものの特有のノイズが発生しており、評価が分かれる結果となりました。結論として、今のブームには冷静に対処すべきですが、オープンソース化によって仕組みが解明されることには感謝が述べられています。動画は、視聴者への意見募集とチャンネル登録の呼びかけで締めくくられています。