Google otwiera nową kartę w generowaniu wideo, wprowadzając Gemini Omni Flash - model zdolny do tworzenia filmów w trybie konwersacyjnym, choć z jednym ważnym zastrzeżeniem. Firma zaprezentowała właśnie nowy system łączący możliwości przetwarzania tekstu, obrazu i wideo, który ma na celu udoskonalić interaktywną komunikację. Wariant z awatarem - funkcja pozwalająca modelowi przybierać reprezentację wizualną podczas rozmowy - trafia do szuflady bez oficjalnego terminu wdrożenia. To wyraźny sygnał, że Google podejmuje ostrożny krok, świadomy zagrożeń związanych z deepfake'ami i potencjalnym nadużyciem takiej technologii.
Ruch Google'a oznacza, że sektor AI generatywnych kolejny raz stawia kwestię bezpieczeństwa przed pędem ku innowacyjności. Podczas gdy konkurenci rozcierają sobie ręce na myśl o możliwościach, które dają modele multimodalne - zdolne do rozumienia i generowania tekstu, obrazów i filmów - gigant z Mountain View wybrał strategię etapową. Gemini Omni Flash dostępny jest już dla użytkowników, lecz bez trybu, w którym system mógłby się "materializować" przed użytkownikiem. To praktyczne rozwiązanie: zachowujesz wiele mocy technologicznej, eliminując jednocześnie całą gamę ryzyk związanych z twarzami generowanymi przez sztuczną inteligencję.
Decyzja nie oznacza, że funkcja avatara nigdy nie ujrzy światła dziennego - raczej, że Google chce ją gruntownie przeanalizować zanim ją uruchomi. W perspektywie całej branży to może stać się precedensem, pokazując, że nawet najpotężniejsze firmy mogą wstrzymać się z wprowadzeniem funkcji na żądanie techniczne i etyczne. Tymczasem użytkownicy Gemini Omni Flash mogą już generować zaawansowane treści wideo, co stanowi spora zmiana w porównaniu z dotychczasowymi możliwościami platformy.