DeepMind的Genie 2能够生成可以互动的游戏世界

谷歌的AI研究机构DeepMind，公布了一款能够生成多种游戏3D世界的模型。

这款名为Genie 2的模型是DeepMind早前发布的Genie模型的升级版，能够根据一张图片和文字描述（如“一个可爱的类人机器人在树林中”）生成一个互动的实时场景。它与李飞飞的World Labs公司和以色列初创公司Decart正在研发的模型类似。

DeepMind表示，Genie 2可以生成各种各样的3D世界，包括那些玩家可以通过键盘或鼠标进行跳跃、游泳等互动的世界。该模型经过大量视频数据训练，能够模拟物体互动、动画、光照、物理效果、反射以及NPC（非玩家角色）的行为。

许多由Genie 2生成的场景，看起来就像3A游戏画面，这可能与训练数据中包含了热门游戏的实况视频有关。然而，出于竞争等原因，DeepMind并未透露其数据来源的具体细节。

与此同时，版权问题也引发了关注。作为谷歌的子公司，DeepMind可以自由访问YouTube，谷歌此前也表示，它的服务条款允许使用YouTube视频进行模型训练。但Genie 2是否是在未经授权的情况下复制它所“观看”的游戏？这一问题还需要法院判定。

DeepMind指出，Genie 2可以生成多个视角的连贯世界，包括第一人称视角和等距视角等，最长可持续一分钟，大多数情况下持续10到20秒。

“Genie 2能够根据键盘操作做出智能反应，识别并正确移动角色。”DeepMind在博客中写道，“例如，我们的模型能够正确判断，箭头键应该控制机器人而非树木或云朵。”

像Genie 2这样的“世界模型”能够模拟游戏和3D环境，但常常存在分辨率低、场景一致性差以及生成失真等问题。例如，Decart的Minecraft模拟器Oasis就存在分辨率低的问题，并且会快速“忘记”关卡布局。

然而，Genie 2能够记住视野之外的场景部分，并在这些部分重新出现在视野中时准确地呈现出来（World Labs的模型也具有类似功能）。

不过，用Genie 2创建的游戏并不会特别有趣，因为它们会每分钟左右重置玩家的进度。这也是DeepMind将该模型定位为研究和创作工具的原因——一个用于打造“互动体验”和评估AI智能体的工具。

“凭借Genie 2的跨分布泛化能力，概念艺术和图纸可以转化为完全互动的环境。”DeepMind表示，“通过使用Genie 2快速创建丰富多样的环境供AI智能体使用，我们的研究人员能够设计出训练中未见过的评估任务。”

创意人员可能对这一技术感到复杂，尤其是视频游戏行业的从业者。根据《连线》杂志的最新调查，像动视暴雪（Activision Blizzard）等大型公司，因裁员而大量引入AI来提升生产效率并弥补人员流失。

尽管如此，谷歌依然加大了在世界模型领域的投入，这有可能成为AI领域的下一大突破。今年10月，DeepMind聘请了曾负责OpenAI视频生成器Sora开发的Tim Brooks，来研究视频生成技术和世界模拟器。两年前，实验室还从Meta挖走了Tim Rocktäschel，他因在《NetHack》等游戏中的“开放性”实验而著名。