谷歌的人工智能研究机构 DeepMind 推出了一个可以生成“无限”可玩 3D 世界的模型。
该模型名为 Genie 2，是今年早些时候发布的 DeepMind Genie 的继任者，它可以根据单个图像和文本描述（例如“树林里可爱的人形机器人”）生成交互式实时场景。从这一点来看，它类似于李飞飞的公司World Labs和以色列初创公司Decart正在开发的模型。
DeepMind 声称 Genie 2 可以生成“丰富多样的 3D 世界”，其中包括用户可以使用鼠标或键盘进行跳跃和游泳等动作的世界。经过视频训练，该模型能够模拟物体交互、动画、灯光、物理、反射和“NPC”的行为。
Genie 2 的许多模拟看起来都像AAA视频游戏——原因很可能是该模型的训练数据包含热门游戏的通关情况。但 DeepMind 与许多 AI 实验室一样，出于竞争或其他原因，不会透露有关其数据采购方法的太多细节。
有人想知道知识产权方面的影响。DeepMind——作为谷歌的子公司——可以不受限制地访问 YouTube，谷歌此前曾暗示其服务条款允许其使用 YouTube 视频进行模型训练。但 Genie 2 是否基本上在未经授权复制它“观看”的视频游戏？这 有待法院决定。
DeepMind 表示，Genie 2 可以生成具有不同视角的一致世界，例如第一人称视图和等距视图，持续时间最长为一分钟，大多数持续时间为 10 到 20 秒。
DeepMind 在一篇博文中写道：“Genie 2 可以智能地响应键盘上的按键操作，识别角色并正确移动。例如，我们的模型 [可以] 确定箭头键应该移动机器人，而不是树木或云。”
大多数模型（如 Genie 2）——如果你愿意的话，可以称为世界模型——可以模拟游戏和 3D 环境，但存在伪影、一致性和幻觉相关问题。例如，Decart 的 Minecraft 模拟器 Oasis分辨率较低，并且很快就会“忘记”关卡布局。
然而，Genie 2 可以记住模拟场景中不在视野范围内的部分，并在它们再次出现时准确地呈现它们。（World Labs 的模型也可以做到这一点。）
现在，使用 Genie 2 创建的游戏实际上并不那么有趣，因为它们每隔一分钟就会抹去你的进度。这就是为什么 DeepMind 将该模型定位为一种研究和创意工具——一种用于原型化“交互式体验”和评估 AI代理的工具。
DeepMind 写道：“得益于 Genie 2 的分布式泛化能力，概念艺术和绘画可以变成完全交互式的环境。通过使用 Genie 2 为 AI 代理快速创建丰富多样的环境，我们的研究人员可以生成代理在训练期间未见过的评估任务。”
创意人员可能会有复杂的感受——尤其是视频游戏行业的创意人员。 《连线》杂志最近的一项调查发现，动视暴雪等主要公司已经裁掉了数十名员工，但他们正在使用人工智能来偷工减料、提高生产力并弥补人员流失。
尽管如此，谷歌还是将越来越多的资源投入到世界模型研究中，这有望成为人工智能领域的下一个重大事件。10 月，DeepMind聘请了Tim Brooks（他当时负责 OpenAI 的Sora视频生成器的开发工作）来研究视频生成技术和世界模拟器。两年前，该实验室从 Meta 挖来了 Tim Rocktäschel，他以在 NetHack 等视频游戏中进行“开放性”实验而闻名。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/deepmind-de-genie-2-ke-yi-sheng-cheng-lei-si-shi-pin-you-xi
