谷歌的AI研究機構DeepMind，公布了一款能夠生成多種游戲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。該模型經過大量視頻數據訓練，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游戲畫面，這可能與訓練數據中包含了熱門游戲的實況視頻有關。然而，出于競爭等原因，DeepMind并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視頻進行模型訓練。但Genie 2是否是在未經授權的情況下復制它所“觀看”的游戲？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，識別并正確移動角色。”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云朵。”

像Genie 2這樣的“世界模型”能夠模擬游戲和3D環境，但常常存在分辨率低、場景一致性差以及生成失真等問題。例如，Decart的Minecraft模擬器Oasis就存在分辨率低的問題，并且會快速“忘記”關卡布局。

然而，Genie 2能夠記住視野之外的場景部分，并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創建的游戲并不會特別有趣，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——一個用于打造“互動體驗”和評估AI智能體的工具。

“憑借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?！盌eepMind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?！?/p>

創意人員可能對這一技術感到復雜，尤其是視頻游戲行業的從業者。根據《連線》雜志的最新調查，像動視暴雪（Activision Blizzard）等大型公司，因裁員而大量引入AI來提升生產效率并彌補人員流失。

盡管如此，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視頻生成器Sora開發的Tim Brooks，來研究視頻生成技術和世界模擬器。兩年前，實驗室還從Meta挖走了Tim Rockt?schel，他因在《NetHack》等游戲中的“開放性”實驗而著名。