谷歌DeepMind發(fā)布Genie 2模型 可一鍵生成超逼真3D互動世界

12月5日消息，美國當?shù)貢r間周三，谷歌旗下人工智能研究機構(gòu)DeepMind推出了一款新模型，能夠創(chuàng)造出“無窮無盡”且各具特色的3D世界。

這款模型名為Genie 2，是DeepMind在今年早些時候推出的Genie模型的升級版。僅憑一張圖片和一段文字描述，例如“一個可愛的機器人置身于茂密的森林中”，Genie 2就能構(gòu)建出一個交互式的實時場景。在這方面，它與李飛飛創(chuàng)立的World Labs以及以色列新興企業(yè)Decart所開發(fā)的模型有著異曲同工之妙。

DeepMind宣稱，Genie 2能夠生成“豐富多樣的3D世界”，用戶可通過鼠標或鍵盤在這些世界中自由跳躍、游泳等。經(jīng)過視頻訓(xùn)練，該模型能夠精準模擬物體的交互、動畫效果、照明、物理現(xiàn)象、反射效果以及“NPC”（非玩家角色）的行為。

Genie 2所創(chuàng)造的許多模擬場景，其視覺效果堪比AAA級視頻游戲，這很可能是因為該模型的訓(xùn)練數(shù)據(jù)中融入了眾多熱門游戲的體驗。然而，與眾多人工智能實驗室一樣，DeepMind出于競爭壓力或其他考量，并未過多透露其數(shù)據(jù)來源及訓(xùn)練方法的細節(jié)。

這項技術(shù)對知識產(chǎn)權(quán)的影響引發(fā)關(guān)注。作為谷歌的子公司，DeepMind無疑能不受限制地訪問YouTube。而谷歌此前曾暗示，其協(xié)議允許使用YouTube視頻進行模型訓(xùn)練。但問題是，Genie 2在制作過程中，是否無意間制作了它所“觀看”的視頻游戲未經(jīng)授權(quán)的復(fù)制品，恐怕只有法院才能給出最終裁決。

DeepMind透露，Genie 2具備從不同視角（如第一人稱視角與等距視角）生成連貫世界的能力，這些生成的世界可持續(xù)時間長達一分鐘，盡管多數(shù)情況下維持在10到20秒之間。

DeepMind團隊在博客文章中表示：“Genie 2能夠智能地根據(jù)鍵盤操作作出反應(yīng)，準確識別角色并相應(yīng)移動它。舉例來說，我們的模型能夠判斷方向鍵應(yīng)控制機器人的移動，而非樹木或云朵?！?/p>

眾多類似Genie 2的模型雖能模擬游戲及3D環(huán)境，卻常面臨人造感、連貫性缺失及幻覺相關(guān)的挑戰(zhàn)。例如，Decart的《我的世界》模擬器Oasis便存在分辨率低、迅速“遺忘”關(guān)卡布局的問題。

相比之下，Genie 2能夠記憶模擬場景中未直接呈現(xiàn)的部分，并在它們重現(xiàn)時精準渲染，這一能力同樣體現(xiàn)在李飛飛World Labs的模型中。

然而，目前利用Genie 2制作的游戲尚缺乏足夠的趣味性，因為它們每分鐘都會清除玩家的進度。因此，DeepMind將Genie 2定位為一種研究與創(chuàng)新工具，專門用于“互動體驗”的原型制作及AI智能體的評估。

DeepMind在博客中寫道：“得益于Genie 2卓越的泛化能力，概念藝術(shù)和圖紙得以輕松轉(zhuǎn)化為完全互動的環(huán)境。借助Genie 2，我們的研究人員能夠快速構(gòu)建出豐富多樣的環(huán)境供AI智能體使用，進而生成訓(xùn)練期間未遭遇過的評估任務(wù)，以檢驗智能體的應(yīng)對能力?！?/p>

對于創(chuàng)意工作者，尤其是電子游戲行業(yè)的從業(yè)者而言，這種技術(shù)可能讓他們喜憂參半。近期，《連線》雜志的一項調(diào)查顯示，諸如動視暴雪等大公司正借助人工智能技術(shù)來縮減成本、提升效率，并應(yīng)對員工流失的問題。事實上，動視暴雪已裁汰了數(shù)十名員工。

盡管如此，谷歌在世界模型研究領(lǐng)域的投入正持續(xù)加大，這一領(lǐng)域有望成為人工智能領(lǐng)域的下一個重大突破。去年10月，DeepMind成功招募了蒂姆·布魯克斯（Tim Brooks），他此前負責OpenAI視頻生成器Sora的開發(fā)工作，現(xiàn)負責視頻生成技術(shù)和世界模擬器的研發(fā)。

兩年前，DeepMind還從Meta挖來了蒂姆·羅克塔謝爾（Tim Rockt?schel），他因?qū)Α禢etHack》等電子游戲的“開放性”實驗而聞名。