谷歌周一發(fā)布了一種新的AI模型Genie，它可以接收文本提示、草圖或想法，將其變成一個可以互動和玩耍的虛擬世界。

 

　　Genie擁有110億個參數(shù)，可以說是一個基礎(chǔ)世界模型。它由三部分組成，一個時空視頻標(biāo)記器、一個自回歸動力學(xué)模型，以及一個簡單且可擴(kuò)展的潛在行動模型。

 

　　Genie通過了互聯(lián)網(wǎng)上超過20萬小時的2D游戲視頻訓(xùn)練，目前還是一個研究預(yù)覽版。它是在無監(jiān)督和無標(biāo)簽視頻的情況下進(jìn)行訓(xùn)練的，能夠?qū)W習(xí)各種角色的動作、控制和行動，做到一致性。

 

　　對用戶而言，只要提供一段文本、一張草圖，甚至是一個想法，Genie就會完成剩下的工作，生成一款2D游戲。谷歌稱，Genie可以將任何圖像轉(zhuǎn)換成可互動的2D世界。

 

　　與Sora呈現(xiàn)出的高清晰度和高真實(shí)度相比，Genie似乎不那么在意畫面真實(shí)性，而是將重點(diǎn)放在潛在動作預(yù)測上。

 

　　雖然這距離像《星際迷航》中那樣的真正全息甲板還有一段路要走，但它確實(shí)表明，有一天走進(jìn)一個房間，用幾句話創(chuàng)造一場完全互動的冒險(xiǎn)是可能的。

 

　　作為一個研究項(xiàng)目，Genie的上市日期尚未確定，以及是否會成為真正的產(chǎn)品還不清楚。但重要的是其用于內(nèi)容生成的潛在技術(shù)和新方法，包括通向開放世界的未標(biāo)記學(xué)習(xí)。

 

　　Genie帶來的另一個重大突破是對真實(shí)世界物理的更深入理解，這可以用于訓(xùn)練機(jī)器人更有效地導(dǎo)航環(huán)境，或完成訓(xùn)練中沒有經(jīng)歷過的任務(wù)。

 

　　谷歌稱，Genie開啟了圖/文生成交互世界的時代，還將成為實(shí)現(xiàn)通用AI代理的催化劑。