IT之家 8 月 6 日消息，谷歌 DeepMind 官方昨日(8 月 5 日)發(fā)布博文，宣布推出名為 Genie 3 的“世界模型”，該模型能夠讓 AI 系統與逼真的現實(shí)世界模擬互動(dòng)，朝著(zhù)通用人工智能(AGI)邁出重要一步。

　　

 

　　據谷歌介紹，Genie 3 可以用于訓練機器人和自動(dòng)駕駛車(chē)輛，讓它們在與倉庫等環(huán)境的真實(shí)再現中互動(dòng),IT之家附上演示視頻如下：

　　谷歌 DeepMind 人工智能部門(mén)的專(zhuān)家認為，世界模型是實(shí)現 AGI 的關(guān)鍵步驟。AGI 是一種假想的人工智能水平，在這一水平上，系統不僅僅是下棋或翻譯語(yǔ)言等單一任務(wù)，而是能夠執行大多數任務(wù)，與人類(lèi)相當，并可能取代某些工作崗位。DeepMind 表示，這些模型在開(kāi)發(fā)自主執行任務(wù)的 AI 代理或系統中將發(fā)揮重要作用。

　　相比較前代模型(如 Genie 1/2)和視頻生成模型(如 Veo 2，Veo 3 對直覺(jué)物理學(xué)的深刻理解)，Genie 3 是第一個(gè)允許實(shí)時(shí)交互的世界模型，同時(shí)與 Genie 2 相比，其一致性和真實(shí)感也得到了提升。

　　

 

　　其核心能力包括：

　　模擬世界的物理特性： Genie 3 對物理規律有深刻理解，能逼真地模擬水流、光影變化以及復雜的環(huán)境互動(dòng)，例如直升機在懸崖瀑布邊小心翼翼地機動(dòng)

　　模擬自然世界：從冰川湖畔充滿(mǎn)生機的生態(tài)系統，到幻想世界中可愛(ài)的毛茸茸生物在彩虹橋上跳躍，Genie 3 能將想象力轉化為可探索的現實(shí)

　　動(dòng)畫(huà)和小說(shuō)建模：可以發(fā)揮想象力，創(chuàng )造奇幻的場(chǎng)景和富有表現力的動(dòng)畫(huà)角色

　　探索不同地域與歷史場(chǎng)景：模型能超越地理和時(shí)間的限制，帶領(lǐng)用戶(hù)探索不同地點(diǎn)和歷史時(shí)代，無(wú)論是身穿翼裝飛越雪山，還是置身于歷史悠久的古城

　　突破實(shí)時(shí)性能的極限：實(shí)現高度的可控性和實(shí)時(shí)交互性，在每一幀的自回歸生成過(guò)程中，模型必須考慮先前生成的隨時(shí)間增長(cháng)的軌跡。例如，如果用戶(hù)在一分鐘后重新訪(fǎng)問(wèn)某個(gè)位置，則模型必須引用一分鐘前的相關(guān)信息。為了實(shí)現實(shí)時(shí)交互性，這種計算必須每秒進(jìn)行多次，以響應新用戶(hù)輸入的到來(lái)

　　長(cháng)時(shí)程環(huán)境一致性：為了讓人工智能生成的世界身臨其境，它們必須在很長(cháng)一段時(shí)間內保持物理上的一致性。然而，自動(dòng)回歸生成環(huán)境通常比生成整個(gè)視頻更難的技術(shù)問(wèn)題，因為不準確之處往往會(huì )隨著(zhù)時(shí)間的推移而累積，Genie 3 環(huán)境在幾分鐘內基本保持一致，視覺(jué)記憶可以追溯到一分鐘前，Genie 3 生成的世界更加動(dòng)態(tài)和豐富，因為它們是根據用戶(hù)的世界描述和作逐幀創(chuàng )建的

　　可提示的世界事件 (Promptable World Events)：除了導航輸入之外，Genie 3 還支持一種更具表現力的基于文本的交互形式，稱(chēng)之為可提示的世界事件?？商崾镜氖澜缡录梢愿淖兩傻氖澜?，例如改變天氣條件或引入新的物體和角色，從而增強導航控制的體驗，這種能力還增加了反事實(shí)或“假設”場(chǎng)景的廣度，代理可以使用這些場(chǎng)景從經(jīng)驗中學(xué)習來(lái)處理意外情況

　　然而，谷歌表示 Genie 3 尚未準備好全面公開(kāi)上市，并未給出具體的發(fā)布日期，同時(shí)還指出該模型存在一些局限性。這一聲明是在人工智能市場(chǎng)競爭日益激烈的背景下發(fā)布的。

　　谷歌表示，其世界模型還可以幫助人類(lèi)體驗各種模擬訓練或探索，如滑雪或繞山湖漫步。DeepMind 表示，Genie 3 能夠根據文本提示立即創(chuàng )建場(chǎng)景，并且模擬環(huán)境可以快速更改，例如，通過(guò)文本提示在滑雪坡上引入一群鹿。

　　谷歌本周一向記者展示了 Genie 3 創(chuàng )建的滑雪和倉庫場(chǎng)景，但尚未公開(kāi)模型。據《衛報》報道，這些模擬的質(zhì)量與谷歌最新的視頻創(chuàng )作模型 Veo 3 相當，但它們持續的時(shí)間是 Veo 3 的八秒。

　　盡管 AGI 被視為可能消除白領(lǐng)工作，因為自主系統能夠執行從銷(xiāo)售代理到律師或會(huì )計師的各種角色，但谷歌認為世界模型是開(kāi)發(fā)機器人和自動(dòng)駕駛車(chē)輛的關(guān)鍵技術(shù)。例如，一個(gè)具有真實(shí)物理和人物的倉庫再現可以幫助訓練機器人，因為它在訓練中從模擬中“學(xué)習”，幫助它實(shí)現目標。