谷歌的AI研究機構DeepMind，公布了一款能夠生成多種遊戲3D世界的模型。
這款名為Genie 2的模型是DeepMind早前發布的Genie模型的升級版，能夠根據一張圖片和文字描述（如「一個可愛的類人機器人在樹林中」）生成一個互動的實時場景。它與李飛飛的World Labs公司和以色列初創公司Decart正在研發的模型類似。
DeepMind表示，Genie 2可以生成各種各樣的3D世界，包括那些玩家可以通過鍵盤或鼠標進行跳躍、游泳等互動的世界。該模型經過大量影片數據訓練，能夠模擬物體互動、動畫、光照、物理效果、反射以及NPC（非玩家角色）的行為。
許多由Genie 2生成的場景，看起來就像3A遊戲畫面，這可能與訓練數據中包含了熱門遊戲的實況影片有關。然而，出於競爭等原因，DeepMind並未透露其數據來源的具體細節。
與此同時，版權問題也引發了關注。作為谷歌的子公司，DeepMind可以自由訪問YouTube，谷歌此前也表示，它的服務條款允許使用YouTube影片進行模型訓練。但Genie 2是否是在未經授權的情況下複製它所「觀看」的遊戲？這一問題還需要法院判定。
DeepMind指出，Genie 2可以生成多個視角的連貫世界，包括第一人稱視角和等距視角等，最長可持續一分鐘，大多數情況下持續10到20秒。
「Genie 2能夠根據鍵盤操作做出智能反應，識別並正確移動角色。」DeepMind在博客中寫道，「例如，我們的模型能夠正確判斷，箭頭鍵應該控制機器人而非樹木或雲朵。」
像Genie 2這樣的「世界模型」能夠模擬遊戲和3D環境，但常常存在解析度低、場景一致性差以及生成失真等問題。例如，Decart的Minecraft模擬器Oasis就存在解析度低的問題，並且會快速「忘記」關卡布局。
然而，Genie 2能夠記住視野之外的場景部分，並在這些部分重新出現在視野中時準確地呈現出來（World Labs的模型也具有類似功能）。
不過，用Genie 2創建的遊戲並不會特別有趣，因為它們會每分鐘左右重置玩家的進度。這也是DeepMind將該模型定位為研究和創作工具的原因——一個用於打造「互動體驗」和評估AI智能體的工具。
「憑藉Genie 2的跨分布泛化能力，概念藝術和圖紙可以轉化為完全互動的環境。」DeepMind表示，「通過使用Genie 2快速創建豐富多樣的環境供AI智能體使用，我們的研究人員能夠設計出訓練中未見過的評估任務。」
創意人員可能對這一技術感到複雜，尤其是影片遊戲行業的從業者。根據《連線》雜誌的最新調查，像動視暴雪（Activision Blizzard）等大型公司，因裁員而大量引入AI來提升生產效率並彌補人員流失。
儘管如此，谷歌依然加大了在世界模型領域的投入，這有可能成為AI領域的下一大突破。今年10月，DeepMind聘請了曾負責OpenAI影片生成器Sora開發的Tim Brooks，來研究影片生成技術和世界模擬器。兩年前，實驗室還從Meta挖走了Tim Rocktäschel，他因在《NetHack》等遊戲中的「開放性」實驗而著名。
