在科技界的最新突破中，谷歌推出了一款名為Genie 2的先進世界模型，它不僅能夠生成無限多樣的3D游戲世界，還能響應玩家的鍵鼠操作，實現了前所未有的可玩性和可控制性。這一技術的發布，迅速吸引了科技愛好者的廣泛關注，其中就包括了對AI技術充滿熱情的特斯拉CEO馬斯克。
Genie 2與之前的研究相比，最大的亮點在于其長期記憶功能。即便玩家將視角轉向別處，再回到先前的場景時，已存在的游戲世界部分依然能夠穩定渲染，不會出現畫面斷裂或失真。這種技術革新，讓游戲世界更加真實、連貫，為玩家帶來了沉浸式的游戲體驗。
更令人驚嘆的是，Genie 2支持AI NPC（非玩家角色）的加入，這些NPC能夠與玩家控制的角色進行復雜、多樣的交互，使得游戲世界充滿了無限可能。這意味著，玩家可以通過文字描述自己心目中的世界，選擇最心儀的呈現方式，然后親自進入這個世界，與各種角色進行互動，體驗前所未有的游戲樂趣。
馬斯克對這一技術的評價是“很酷”，并隨后接受了DeepMind創始人Hassabis的邀請，共同探討合作開發AI游戲的可能性?？紤]到馬斯克此前曾表示將創辦一家AI游戲工作室，這一合作似乎并非空穴來風。
然而，谷歌DeepMind的這項研究并非僅僅為了娛樂。Genie 2還可以作為訓練和評估具身智能體的平臺，通過創建豐富多樣的游戲環境，生成AI在訓練期間未見過的評估任務。這種能力對于推動AI技術的發展具有重要意義，尤其是在實現通用人工智能（AGI）的道路上。
例如，通過文字指令訓練智能體打開正確的門，Genie 2能夠模擬出多種可能的場景和結果，從而幫助智能體學會在不同情況下做出正確的決策。這種訓練方式不僅提高了智能體的適應性和靈活性，還為其在未來的實際應用中打下了堅實的基礎。
Genie 2還展示了世界模型的涌現能力，包括對象交互、復雜的角色動畫、物理模擬以及建模并預測其他智能體行為的能力。這意味著玩家在游戲中的每一個操作都可能引發不同的連鎖反應和結果，使得游戲體驗更加豐富和多變。
實現這一切的背后，是擴散模型的強大支持。Genie 2作為一種自回歸潛空間擴散模型，在大型視頻數據集上進行了訓練。通過自編碼器的處理，視頻的潛在幀被傳遞到一個大型Transformer動力學模型中，該模型使用與大型語言模型類似的因果掩碼進行訓練。在推理時，Genie 2能夠自回歸方式采樣，對單個操作和過去的幀逐幀執行，從而生成連貫、逼真的游戲世界。
谷歌還透露，目前展示的視頻示例都是由未經蒸餾的模型生成，以展示技術的可能性。雖然蒸餾模型可以實現實時控制，但會犧牲一定的輸出質量。不過，隨著技術的不斷進步和優化，相信未來Genie 2將能夠為用戶帶來更加流暢、逼真的游戲體驗。
