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。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。