|
Google DeepMind于2024年12月5日发布了名为Genie 2的新型基础世界模型。这一模型能够通过单张图片和文字描述生成多样化的可玩3D世界，标志着人工智能在虚拟世界生成领域的一次重大突破。
Genie 2是年初推出的Genie模型的升级版，具备更强大的功能和性能。它能够根据用户输入的文本描述和图像，实时生成交互式的三维场景，用户可以通过键盘或鼠标在这些世界中进行跳跃、游泳等互动。该模型经过视频训练，能够精准模拟物体的交互、动画效果、照明、物理现象、反射效果以及NPC（非玩家角色）的行为，生成的场景画质接近3A级别电子游戏。 Genie 2采用了自回归潜在扩散模型，并在大型视频数据集上进行训练，使用大型Transformer动力学模型来实现其功能。此外，它还展示了出色的空间记忆能力，即使某些区域不在视野范围内，系统也能保持一致性，提升用户体验。 DeepMind将Genie 2定位为一种研究与创新工具，适用于快速原型设计和AI智能体评估。它不仅为艺术家和设计师提供了强大的创作工具，还为AI智能体提供了训练场，使其能够理解和执行各种任务。尽管目前这项研究仍处于初级阶段，但Genie 2展示了其在创建多样化3D环境和加速智能体研究方面的潜力，有望解决安全训练具体智能体的结构性问题，并推动通用人工智能（AGI）的发展。 值得注意的是，DeepMind CEO Demis Hassabis曾邀请马斯克一起制作AI游戏，马斯克回应“Cool”，显示出该技术在游戏行业的应用潜力。 |
