IT之家 12 月 5 日消息，谷歌旗下人工智能研究機構 DeepMind 發布了一款名為 Genie 2 的新型模型，可通過單張圖片和文字描述生成“無限”種類的可玩 3D 世界。作為今年初推出的 Genie 模型的升級版，Genie 2 標志著人工智能在虛擬世界生成領域的一次重大突破。
Genie 2 能夠根據用戶輸入的文本描述和圖像，實時生成交互式的三維場景。例如，輸入“森林中的可愛人形機器人”，模型便可構建一個包含機器人角色和可探索環境的動態場景。用戶可以通過鍵盤或鼠標操作角色在世界中進行跳躍、游泳等互動。
DeepMind 表示，Genie 2 可以生成具有不同視角（如第一人稱視角和等距視角）的連貫世界，持續時間長達一分鐘，其中大多數持續 10 到 20 秒。
DeepMind 還稱，Genie 2 在生成過程中能夠模擬物體交互、動畫、光照、物理反射以及“非玩家角色”（NPC）的行為。許多生成的場景畫質接近 AAA 級別的電子游戲，甚至在物體視角一致性和場景記憶方面表現優異。
與之類似的模型還有李飛飛創立的 World Labs 和以色列初創公司 Decart 的產品，雖然大多數像 Genie 2 這樣的模型 —— 也就是世界模型 —— 可以模擬游戲和 3D 環境，但存在偽影、一致性和幻覺相關的問題。例如，Decart 的 Minecraft 模擬器 Oasis 分辨率低，并且很快就會“忘記”關卡的布局。然而，Genie 2 可以記住模擬場景中不在視野范圍內的一部分，并在它們再次可見時準確地渲染它們。（World Labs 的模型也可以做到這一點。）
值得注意的是，DeepMind 未詳細披露 Genie 2 的訓練數據來源，但業內推測其可能包括大量熱門游戲的游玩記錄。考慮到谷歌可訪問 YouTube 海量視頻資源，并聲稱擁有使用其內容進行訓練的權利，這引發了外界對該模型是否侵犯知識產權的爭議。
目前用 Genie 2 創建的游戲實際上不會那么有趣，因為每隔一分鐘左右就會抹去進度。因此，DeepMind 將其定位為研究與創意工具，應用于快速原型設計和 AI 智能體評估等場景。
DeepMind 在其博客中寫道：“通過 Genie 2 的泛化能力，概念藝術和手繪草圖可以轉化為完全互動的環境。這讓研究人員能夠快速生成多樣化的環境，為未見過的任務場景提供評估支持。”
IT之家注意到，谷歌對世界模型研究的投入在持續擴大。今年 10 月，DeepMind 聘請了 OpenAI 前視頻生成項目負責人 Tim Brooks，同時兩年前從 meta 挖來了以開放式實驗聞名的 Tim Rocktäschel。
