12月5日消息，美國時間周三，谷歌旗下的人工智能研究機(jī)構(gòu)DeepMind發(fā)布了新模型Genie 2。這款升級版模型能夠生成“無窮無盡”的多樣化3D世界，為交互式實時場景的創(chuàng)建開辟了新途徑。Genie 2是今年早些時候推出的Genie模型的升級版本。通過輸入一張圖片和一段文字描述，例如“一個可愛的機(jī)器人置身于茂密的森林中”，Genie 2可以構(gòu)建出一個實時互動的3D場景。這一能力與李飛飛創(chuàng)立的World Labs和以色列初創(chuàng)公司Decart開發(fā)的類似模型頗為相似。

DeepMind表示，Genie 2能夠生成“極其豐富多樣”的3D世界，用戶可以通過鼠標(biāo)或鍵盤在這些世界中完成跳躍、游泳等操作。通過大量視頻數(shù)據(jù)訓(xùn)練，該模型具備模擬物體交互、動畫效果、光照、物理現(xiàn)象、反射效果以及“NPC”（非玩家角色）行為的能力。Genie 2生成的許多場景在視覺效果上堪比3A級視頻游戲。這一現(xiàn)象可能源于模型訓(xùn)練數(shù)據(jù)中包含了熱門游戲的游玩記錄。然而，出于競爭和保密原因，DeepMind與其他許多AI實驗室一樣，并未透露其具體的數(shù)據(jù)來源和訓(xùn)練方法。

Genie 2的推出也引發(fā)了對知識產(chǎn)權(quán)的討論。作為谷歌的子公司，DeepMind可以不受限制地訪問YouTube，而谷歌此前也曾暗示，其服務(wù)條款允許將YouTube視頻用于模型訓(xùn)練。然而，Genie 2是否在生成內(nèi)容時無意間構(gòu)成了對原始游戲的“未經(jīng)授權(quán)復(fù)制”，仍需法律裁決。

DeepMind表示，Genie 2能夠從不同視角（如第一人稱視角和等距視角）生成連貫的虛擬世界，這些場景最長可持續(xù)一分鐘，大多數(shù)情況下為10至20秒。Genie 2能夠根據(jù)鍵盤操作作出智能反應(yīng)，精準(zhǔn)識別角色并正確移動。例如，模型可以判斷方向鍵應(yīng)控制機(jī)器人的移動，而非樹木或云朵。