De mirar la película a entrar en la escena: ¿Con Genie 4 el cine y la ciencia se fusionan?
Esta semana Google DeepMind presentó Genie 4, una herramienta que crea mundos tridimensionales con física, sonido y diálogos en vivo a medida que escribís qué querés que pase. Por qué este salto jubila al espectador pasivo, entrena robots para la ciencia y nos acerca al sueño de dirigir nuestras propias películas desde el sillón de casa.
Por Federico Lix Klett - Fundador de FALK Academy, FALK AI, FALK Impellers y FALK Advertising Matters, Socio de Pieper AI y selected power user por Google DeepMind. Es pensador, comunicador, formador e impulsor de innovación y transformación.
¡Me vuelvo loco! Una vez más. Mi “asombrómetro” está on fire. ¿Cuántas veces te pasó de estar mirando una película en el sillón y gritarle al televisor como si te escuchara? “¡No bajes sola al sótano, querida!” o el reclamo universal de todas las sobremesas: “¡Correte 10 centímetros, Rose, que Jack entra cómodo arriba de esa puerta!”.
Desde que los hermanos Lumière proyectaron aquel tren en 1895 hasta la serie que viste anoche, el cine funcionó bajo un contrato fijo: alguien filmaba una historia cerrada y nosotros nos sentábamos a oscuras, pochoclo en mano, a mirar sin tocar nada. Por más que patalees, Jack se hunde siempre igual.
Bueno, querido lector: esta semana ese contrato empezó a crujir. El martes, Google DeepMind presentó en Londres una bestia tecnológica llamada Genie 4 (googleala) y, cuando terminé de ver las primeras pruebas, volví a sentir ese cosquilleo del asombro.
¿Cómo funciona? Ponele… visualizá una pantalla en la que va una pareja cruzando un puente en moto al atardecer. Se escucha el motor y el viento de frente. Pero no está grabado de antemano: mientras la moto avanza, quien está frente a la computadora escribe en el teclado que el conductor mire hacia atrás y que ella pregunte si van a salvarse.
Sin cortar la toma, el motociclista gira el cuello y ella le grita: “¿De verdad creés que vamos a lograrlo?”. Segundos después, el usuario pide dos delirios más: explosiones en el puente y tentáculos alienígenas en el cielo. ¡Pum! El horizonte estalla y la escena pasa del romance a La guerra de los mundos, mientras el usuario mueve la cámara con las flechitas del teclado.
En otra prueba subieron la foto de un cuadro al óleo de Vincent van Gogh y, en vez de mirarlo colgado en la pared, se metieron a caminar por dentro de las pinceladas, escuchando los pájaros y cruzando un puente de piedra. Hasta ayer, una pantalla servía para espiar lo que otro había filmado; hoy empieza a funcionar como un lugar al que podés entrar.
El truco sin pizarrón
Sin ponernos técnicos, la gracia se entiende en dos patadas. Los generadores de video actuales hacen cosas increíbles, pero te entregan una “postal en movimiento”: un video cerrado donde no podés doblar en la esquina ni cambiar una coma.
Genie 4 juega a otra cosa: es un World Model (modelo de mundo). En lugar de fabricar un clip fijo, usa razonamiento computacional para calcular en el momento las reglas del escenario: gravedad, choques, viento y memoria espacial. Si salís de una habitación y volvés al minuto, la silla sigue donde la dejaste.
¿Y cómo no pierde el hilo si cambiás el libreto sobre la marcha? Pusieron a dos motores a trabajar en equipo. Mientras uno dibuja la escena y genera por primera vez el sonido en vivo (viento, música y voces), al lado trabaja Gemini 3.8 Flash como “director”: vigila cada cuadro y acomoda la historia para que, si de golpe pedís que llueva, el asfalto se moje y los personajes reaccionen sin que todo se rompa.
Todo esto es lo que se conoce como video “procedural”. Significa que el video y las reacciones dentro de la historia se van generando en tiempo real mientras se lo pedís a la IA y te movés con el cursor o las flechitas de tu compu. Una cosa de locos.
La máquina no “entiende” qué es la lluvia ni los personajes «sienten» miedo cuando gritan. Es un objeto matemático haciendo cuentas a toda velocidad, sin cuerpo, sin historia y sin conciencia. Un generador de video te muestra una foto que se mueve; un modelo de mundo te dibuja la cancha para que vos entres a jugar.
Mucho más que un fichín
Cuando en enero Google mostró un adelanto mudo de esta tecnología (Project Genie), las acciones de gigantes como Unity, Roblox y Take-Two cayeron hasta un 24% en Wall Street. Pero quien mire esto pensando sólo en jueguitos se pierde la mitad más importante de la película.
Un cirujano o un piloto de avión no aprenden su oficio leyendo apuntes: necesitan miles de horas de simulador donde equivocarse no lastime a nadie. Con los robots pasa lo mismo.
Para que un brazo robótico manipule muestras en un hospital o trabaje en una fábrica sin romper frascos, no podés ponerlo a practicar a los golpes en el mundo real. Combinando Genie 4 con Gemini Robotics, los científicos ponen a dieciséis robots virtuales a la vez a ensayar en pantalla cómo agarrar una pipeta un millón de veces, hasta que aprenden la maniobra limpia y recién ahí la pasan al robot de verdad.
¿Es perfecto? Ni de cerca. La propia Google DeepMind avisa que hoy las escenas aguantan armadas unos dos minutos, los carteles salen borrosos y por ahora sólo lo prueban investigadores antes de abrirlo al público. Pero hace dos años el primer Genie era un borrón digno de un Atari de los ochenta. Mirá la velocidad del salto.
En la silla del director
Más allá de los laboratorios, te comparto la idea que me quedó picando en el bocho y que charlábamos esta semana en un grupo de entusiastas de la IA: estamos viendo nacer las películas en tiempo real, propias e interactivas.
Imaginate sentarte a la noche en casa y, en vez de pelear media hora con el control remoto, pedirle a la pantalla: “Armame una aventura en el Tucumán de 1812, o en una nave rumbo a Júpiter, y dejame ir decidiendo qué hacen los protagonistas”. Si a mitad de camino querés cambiar la cámara o torcer el final, la película se recalcula en vivo adelante tuyo. O el potencial de esta herramienta para enseñar historia viva a los niños en las escuelas. Wow. No veo las horas de poder usarlo. “Creame un mundo de la Roma antigua, mientras camino por las calles de la ciudad diseñá personajes que vayan contándome las costumbres de la época”. ¿Dimensionamos el potencial de poder llegar a los niños con historias jugables en tiempo real y la guía de un profe de historia que ama enseñar?
Durante un siglo, filmar una gran historia exigía cincuenta millones de dólares y trescientos técnicos en Hollywood. Cuando ese estudio entero entra en una computadora, la barrera económica salta por los aires.
La máquina te puede regalar los efectos especiales de Spielberg, pero está hueca por dentro: no tiene nada para contar porque nunca tuvo infancia, nunca se enamoró, nunca perdió a nadie ni se jugó el cuero por un amigo.
Cuando cualquiera pueda dirigir su propia película en vivo, el filtro ya no será quién tiene la billetera más gorda, sino quién tiene una historia verdadera en el corazón que valga la pena contar. La tecnología nos regala el escenario entero; ponerle alma a la obra sigue siendo trabajo nuestro.
Si esta noche pudieras abrir la puerta de una película y caminar adentro de ella en tiempo real, ¿qué historia elegirías vivir? Contanos en el foro. Bye my friend.
