12月5日消息，美國時間周三，谷歌旗下的人工智能研究機構DeepMind發(fā)布了新模型Genie 2。這款升級版模型能夠生成“無窮無盡”的多樣化3D世界，為交互式實時場景的創(chuàng)建開辟了新途徑。
Genie 2是今年早些時候推出的Genie模型的升級版本。通過輸入一張圖片和一段文字描述，例如“一個可愛的機器人置身于茂密的森林中”，Genie 2可以構建出一個實時互動的3D場景。這一能力與李飛飛創(chuàng)立的World Labs和以色列初創(chuàng)公司Decart開發(fā)的類似模型頗為相似。
DeepMind表示，Genie 2能夠生成“極其豐富多樣”的3D世界，用戶可以通過鼠標或鍵盤在這些世界中完成跳躍、游泳等操作。通過大量視頻數(shù)據(jù)訓練，該模型具備模擬物體交互、動畫效果、光照、物理現(xiàn)象、反射效果以及“NPC”（非玩家角色）行為的能力。
Genie 2生成的許多場景在視覺效果上堪比3A級視頻游戲。這一現(xiàn)象可能源于模型訓練數(shù)據(jù)中包含了熱門游戲的游玩記錄。然而，出于競爭和保密原因，DeepMind與其他許多AI實驗室一樣，并未透露其具體的數(shù)據(jù)來源和訓練方法。
Genie 2的推出也引發(fā)了對知識產(chǎn)權的討論。作為谷歌的子公司，DeepMind可以不受限制地訪問YouTube，而谷歌此前也曾暗示，其服務條款允許將YouTube視頻用于模型訓練。然而，Genie 2是否在生成內(nèi)容時無意間構成了對原始游戲的“未經(jīng)授權復制”，仍需法律裁決。
DeepMind表示，Genie 2能夠從不同視角（如第一人稱視角和等距視角）生成連貫的虛擬世界，這些場景最長可持續(xù)一分鐘，大多數(shù)情況下為10至20秒。
DeepMind在博客中寫道：“Genie 2能夠根據(jù)鍵盤操作作出智能反應，精準識別角色并正確移動。例如，模型可以判斷方向鍵應控制機器人的移動，而非樹木或云朵。”
盡管如此，目前類似Genie 2的模型在模擬游戲及3D環(huán)境時仍面臨“人造感”、連貫性缺失以及“幻覺”等技術挑戰(zhàn)。例如，Decart開發(fā)的《我的世界》模擬器Oasis存在分辨率低、無法記住關卡布局等問題。
相比之下，Genie 2能記憶并精準渲染模擬場景中未顯示的部分，這與李飛飛World Labs的模型能力不謀而合。
鑒于當前技術限制，Genie 2生成的游戲仍存在每分鐘清除玩家進度的問題，趣味性有限。因此，DeepMind將其定位為一種研究和創(chuàng)意工具，用于“交互體驗”原型設計和AI智能體的評估。
DeepMind在博客中表示：“得益于Genie 2卓越的泛化能力，概念藝術和草圖可以輕松轉化為完全互動的環(huán)境。研究人員可以利用它快速創(chuàng)建豐富多樣的AI訓練環(huán)境，以生成模型訓練期間未遇到的評估任務。”
這一技術對創(chuàng)意行業(yè)，特別是視頻游戲領域，可能帶來復雜影響。《連線》雜志的調(diào)查顯示，像動視暴雪這樣的公司正利用AI技術縮減成本、提升效率，其中包括大規(guī)模裁員。
與此同時，谷歌在世界模型領域的投入仍在持續(xù)增長，這一領域有望成為AI發(fā)展的下一重大突破。去年10月，DeepMind招募了此前負責OpenAI視頻生成器Sora開發(fā)的蒂姆·布魯克斯（Tim Brooks）負責視頻生成技術和世界模擬器的研發(fā)。
兩年前，DeepMind還從Meta挖來了因《NetHack》等電子游戲的“開放性”實驗而聞名的蒂姆·羅克塔謝爾（Tim Rockt?schel）。
來源：網(wǎng)易科技報道
撫順眾聯(lián)網(wǎng)絡公司轉載
撫順網(wǎng)絡公司 撫順網(wǎng)絡 撫順軟件公司