在2024年末的科技舞臺上，生成式人工智能領(lǐng)域再度掀起了波瀾。短短數(shù)日之內(nèi)，兩大重量級突破相繼問世，為歲末年初的科技界增添了濃厚的節(jié)日氣氛。
先是李飛飛的Worlds Lab發(fā)布了令人矚目的新模型，僅憑一張圖片即可生成可互動的3D空間。緊接著，谷歌DeepMind也不甘示弱，推出了其最新一代的大規(guī)模基礎(chǔ)世界模型——Genie 2，其表現(xiàn)更是青出于藍而勝于藍。
DeepMind在12月4日正式宣布了Genie 2的誕生。這款模型能夠?qū)⒁粡埰胀ǖ膱D像轉(zhuǎn)化為一個充滿互動性的3D游戲世界，用戶通過鼠標(biāo)和鍵盤即可在其中自由探索，持續(xù)時間甚至可達一分鐘之久。
Genie 2的開發(fā)團隊堅信，這一技術(shù)將為具身智能開啟全新的可能性，推動AI生成虛擬世界邁向新的高度。可以預(yù)見，未來的游戲開發(fā)領(lǐng)域，尤其是開放世界的創(chuàng)作，或?qū)⒂瓉硪粓銮八从械募夹g(shù)革命。
在DeepMind發(fā)布的演示視頻中，可以看到用戶在生成的3D世界中盡情探索。有人滑雪滑到一半突然興起，轉(zhuǎn)而嘗試跑酷；還有人手搓火球，盡管在碰撞時出現(xiàn)了些許穿模的小插曲。這些生動的場景，無不展示了Genie 2的強大功能。
DeepMind在游戲領(lǐng)域的深厚底蘊，為Genie 2的誕生奠定了堅實的基礎(chǔ)。從早期的雅達利游戲研究，到圍棋AlphaGo和《星際爭霸2》AlphaStar等里程碑式的成就，游戲一直是DeepMind研究的核心。而Genie 2，則是這一傳統(tǒng)精神的最新結(jié)晶。
與今年2月發(fā)布的第一代Genie相比，Genie 2在功能和性能上都實現(xiàn)了質(zhì)的飛躍。它不僅能夠生成720p分辨率的高質(zhì)量3D世界，還支持用戶在第一人稱或第三人稱視角下通過鍵盤和鼠標(biāo)進行操控。更重要的是，Genie 2還能模擬重力、碰撞、水體運動等基礎(chǔ)物理現(xiàn)象，以及復(fù)雜的光照、反射和煙霧效果，甚至能生成可以互動的NPC，讓虛擬世界更加真實可信。
尤為Genie 2還具備出色的空間記憶能力。當(dāng)用戶在虛擬環(huán)境中移動時，即使某些區(qū)域暫時不在視野范圍內(nèi)，系統(tǒng)也能保持這些區(qū)域的一致性。這意味著當(dāng)玩家重新訪問之前的位置時，環(huán)境會保持原樣，大大提升了用戶體驗的真實感和可信度。這一突破，無疑解決了早期3D空間生成器的局限性。
在實際應(yīng)用中，Genie 2展現(xiàn)出了驚人的多樣性和實用性。用戶只需提供一張圖片和一段文字描述，系統(tǒng)就能生成一個可交互的實時場景。這些場景最長可以持續(xù)一分鐘，大多數(shù)能穩(wěn)定運行10到20秒，供用戶盡情探索。這一技術(shù)，無疑為游戲開發(fā)者提供了極大的便利和想象空間。
DeepMind還進行了一系列創(chuàng)新性的測試，將Genie 2與其SIMA AI智能體結(jié)合使用。在測試中，SIMA能夠成功在Genie 2生成的房間中導(dǎo)航，并執(zhí)行“打開藍色的門”、“去有植物的地方”等自然語言指令。這一組合不僅展示了AI系統(tǒng)在數(shù)字和物理空間執(zhí)行復(fù)雜任務(wù)的潛力，還為未來AI代理的訓(xùn)練提供了無限可能。
然而，隨著技術(shù)的不斷發(fā)展，一些爭議和擔(dān)憂也隨之而來。由于DeepMind作為谷歌的子公司可以無限制地訪問YouTube視頻數(shù)據(jù)，這引發(fā)了知識產(chǎn)權(quán)方面的擔(dān)憂。同時，生成的模擬場景與一些3A游戲場景頗為相似，也可能涉及未經(jīng)授權(quán)復(fù)制游戲的法律問題。這些問題，都需要在技術(shù)繼續(xù)發(fā)展的同時得到妥善解決。
對于游戲開發(fā)者而言，Genie 2既是一個巨大的機遇，也是一個嚴(yán)峻的挑戰(zhàn)。它可以幫助開發(fā)者快速將概念草圖或照片轉(zhuǎn)化為具有完整物理和光照系統(tǒng)的3D空間，極大提升原型設(shè)計的效率。但同時，隨著游戲公司逐漸擁抱AI以提高生產(chǎn)效率，也可能導(dǎo)致大量員工面臨失業(yè)的風(fēng)險。這一技術(shù)進步帶來的就業(yè)市場變革，需要整個行業(yè)認(rèn)真思考和應(yīng)對。
