在科技界引發(fā)廣泛關(guān)注的最新消息中，谷歌旗下的DeepMind人工智能研究實(shí)驗(yàn)室通過(guò)CBS知名欄目《60分鐘》向公眾展示了其最新研發(fā)的AI模型——Genie2。這一突破性技術(shù)能夠?qū)我坏膱D像或簡(jiǎn)單文本描述轉(zhuǎn)化為高度精細(xì)的3D交互式環(huán)境，為機(jī)器人訓(xùn)練、虛擬世界的構(gòu)建乃至通用人工智能（AGI）的發(fā)展開(kāi)辟了全新的道路。
據(jù)深入了解，Genie2的核心優(yōu)勢(shì)在于其端到端的3D環(huán)境生成能力。用戶只需提供一張靜態(tài)圖片，比如瀑布的風(fēng)景照，或者輸入一段文字描述，如“雪地中的戰(zhàn)士”，Genie2就能自動(dòng)生成一個(gè)可自由探索的3D交互環(huán)境，且無(wú)需人工參與設(shè)計(jì)。這一特性使得Genie2在技術(shù)的創(chuàng)新性上得到了廣泛認(rèn)可，并在社交平臺(tái)上引發(fā)了熱烈討論。
更為引人注目的是，Genie2所生成的3D環(huán)境不僅高度逼真，還支持物理模擬，如重力、水流和煙霧效果，以及動(dòng)態(tài)光影和角色動(dòng)畫。用戶或AI代理可以通過(guò)鍵盤和鼠標(biāo)在環(huán)境中進(jìn)行跳躍、游泳等互動(dòng)操作，體驗(yàn)極為真實(shí)。Genie2還具備環(huán)境一致性功能，能夠記住未顯示的場(chǎng)景部分，如轉(zhuǎn)角后的地形，生成時(shí)長(zhǎng)可達(dá)10至60秒，多數(shù)示例在10至20秒之間。
在技術(shù)上，Genie2基于DeepMind的Gemini架構(gòu)和大規(guī)模視頻數(shù)據(jù)集，結(jié)合了先進(jìn)的生成技術(shù)。其核心技術(shù)包括時(shí)空視頻分詞器、自回歸動(dòng)態(tài)模型、潛在動(dòng)作模型等。這些技術(shù)共同作用于Genie2，使其能夠逐幀生成視頻，根據(jù)用戶操作和先前幀預(yù)測(cè)后續(xù)場(chǎng)景，確保環(huán)境的連貫性。同時(shí)，通過(guò)無(wú)監(jiān)督學(xué)習(xí)從視頻中提取可控動(dòng)作，支持交互性，并利用未標(biāo)注的互聯(lián)網(wǎng)視頻數(shù)據(jù)集訓(xùn)練模型理解物理、材質(zhì)和光影，生成多樣化的3D世界。
在應(yīng)用方面，Genie2的多樣化功能使其在多個(gè)領(lǐng)域展現(xiàn)出廣闊的應(yīng)用前景。在游戲開(kāi)發(fā)領(lǐng)域，Genie2能夠快速將概念藝術(shù)或草圖轉(zhuǎn)化為可玩3D環(huán)境，大大縮短了原型設(shè)計(jì)時(shí)間，對(duì)獨(dú)立開(kāi)發(fā)者和AAA游戲工作室來(lái)說(shuō)無(wú)疑是一個(gè)巨大的福音。在虛擬現(xiàn)實(shí)與數(shù)字藝術(shù)領(lǐng)域，Genie2能夠生成沉浸式的VR場(chǎng)景或交互式藝術(shù)作品，提升用戶體驗(yàn)；在機(jī)器人訓(xùn)練方面，Genie2為AI代理提供多樣化的3D訓(xùn)練環(huán)境，模擬現(xiàn)實(shí)場(chǎng)景，如工廠和城市，加速機(jī)器人導(dǎo)航和操作能力的開(kāi)發(fā)。
目前，Genie2主要定位為研究與原型工具，尚未向公眾開(kāi)放。但開(kāi)發(fā)者可以通過(guò)DeepMind或Hugging Face的測(cè)試通道申請(qǐng)?jiān)L問(wèn)權(quán)限。在申請(qǐng)成功后，開(kāi)發(fā)者需要準(zhǔn)備輸入數(shù)據(jù)，如高分辨率照片，以優(yōu)化生成質(zhì)量，并配置高性能的運(yùn)行環(huán)境，如A100GPU或高性能集群，以支持實(shí)時(shí)生成。同時(shí)，開(kāi)發(fā)者還可以使用鍵盤和鼠標(biāo)測(cè)試交互功能，或集成DeepMind的SIMA代理執(zhí)行任務(wù)。
自Genie2亮相《60分鐘》以來(lái)，社區(qū)對(duì)其3D交互生成與機(jī)器人訓(xùn)練潛力給予了高度評(píng)價(jià)。許多開(kāi)發(fā)者認(rèn)為，Genie2將靜態(tài)圖像轉(zhuǎn)化為動(dòng)態(tài)世界的過(guò)程令人嘆為觀止，具有在游戲和VR領(lǐng)域的顛覆性潛力。然而，也有部分用戶指出，Genie2的生成時(shí)長(zhǎng)和圖像質(zhì)量衰減問(wèn)題限制了其商業(yè)化應(yīng)用，并期待DeepMind能夠延長(zhǎng)一致性時(shí)間和優(yōu)化渲染效率。
DeepMind對(duì)此表示，將持續(xù)優(yōu)化Genie2的一致性和渲染效率，并考慮未來(lái)與Gemini Robotics整合，以增強(qiáng)機(jī)器人交互。同時(shí)，社區(qū)也在探討將Genie2與其他AI技術(shù)整合，構(gòu)建從環(huán)境生成到任務(wù)自動(dòng)化的閉環(huán)生態(tài)。隨著技術(shù)的不斷進(jìn)步，Genie2有望在未來(lái)成為3D世界平臺(tái)，提供共享環(huán)境模板和API，推動(dòng)AI技術(shù)的進(jìn)一步發(fā)展。
