Google旗下 DeepMind 推出 Genie 2 模型，可生成長達 1 分鐘的遊戲世界

IT之家 12 月 5 日消息，Google旗下人工智能研究機構 DeepMind 發佈了一款名為 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 標誌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 級別的電子遊戲，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 —— 可以模擬遊戲和 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 解像度低，並且很快就會「忘記」關卡的佈局。然而，Genie 2 可以記住模擬場景中不在視野範圍內的一部分，並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遊戲的遊玩記錄。考慮到Google可訪問 YouTube 海量影片資源，並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 創建的遊戲實際上不會那麼有趣，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，應用於快速原型設計和 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，Google對世界模型研究的投入在持續擴大。今年 10 月，DeepMind 聘請了 OpenAI 前影片生成項目負責人 Tim Brooks，同時兩年前從 Meta 挖來了以開放式實驗聞名的 Tim Rocktäschel。

廣告聲明：文內含有的對外跳轉鏈接（包括不限於超鏈接、二維碼、口令等形式），用於傳遞更多信息，節省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。