Google pokazał znaczący skok w możliwościach swoich modeli generatywnych - system Genie nauczył się symulować rzeczywiste ulice na podstawie danych ze Street View z niemal fotograficzną dokładnością. To nie jest zwykła aplikacja istniejącej technologii, lecz przełom w budowaniu tzw. world models, czyli sztucznej inteligencji potrafiącej nie tylko rozumieć rzeczywistość, ale także ją wiarygodnie przewidywać i rekonstruować. Genie uczy się od podstaw - otrzymuje tysiące nagrań z ulic z całego świata, a następnie rozwija zdolność do generowania nowych scen ruchu, zmian oświetlenia czy warunków atmosferycznych, zachowując przy tym spójność przestrzenną i realizmem godnym porównania z rzeczywistymi nagraniami.
Znaczenie tej technologii wykracza poza czystą ciekawość badawczą. Takie modele mogą stać się fundamentem dla autonomicznych pojazdów, które wymagają umiejętności przewidywania scenariuszy na drodze przed ich faktycznym zaistnieniem. Dla urbanistów i planistów miasta technologia otwiera nowe możliwości symulacji - zanim wybuduje się nową ulicę czy skrzyżowanie, można najpierw zobaczyć, jak będzie się zachowywać ruch. Z kolei twórcy gier czy platform immersywnych mogą wykorzystać takie modele do automatycznego generowania realistycznych środowisk miejskich, zamiast ręcznego projektowania każdego szczegółu.
Google umieszcza Genie w kontekście szerszej rywalizacji w branży AI, gdzie konkurenci jak OpenAI pracują nad własnymi modelami wideo. Najciekawsze jest, że system wykazuje zdolność do transferu - uczy się zasad ruchu, perspektywy i fizyki z ogólnych danych, a następnie potrafi adaptować tę wiedzę nawet do nowych miast, których dokładnie nie widział w danych treningowych. To właśnie cecha, którą naukowcy z Google uważają za najważniejszą dla praktycznych zastosowań.