谷歌推出Genie 3世界模型，可实时动态修改模拟环境状态

12月初，谷歌DeepMind发布了Genie 2。Genie系列AI系统被称为世界模型，能够在用户（人类或自动化AI智能体）在软件模拟的世界中移动时生成相应图像。虽然模型运行时的视频效果看起来像电子游戏，但DeepMind一直将Genie 2定位为训练其他AI系统的工具，帮助它们更好地完成设计任务。本周二，DeepMind宣布推出新的Genie 3模型，该实验室认为这是一个更优秀的AI智能体训练系统。

乍看之下，Genie 2到3的跃升并不如去年的升级那样显著。Genie 2使DeepMind的系统能够生成3D世界，即使在用户或AI智能体离开去探索生成场景的其他部分后，也能准确重构环境的一部分。环境一致性往往是之前世界模型的弱点，例如Decart的Oasis系统在记住其生成的Minecraft关卡布局方面存在困难。

相比之下，Genie 3提供的增强功能看起来更为温和，但在谷歌今日正式发布前举行的媒体简报会上，DeepMind研究总监Shlomi Fruchter和研究科学家Jack Parker-Holder认为，这些改进代表了通向通用人工智能道路上的重要里程碑。

那么Genie 3究竟在哪些方面表现更好？首先，它输出720p分辨率的画面，而不是前代的360p。它还能够维持更长时间的"一致"模拟。Genie 2理论上限制为60秒，但实际上模型往往会更早开始产生幻觉。相比之下，DeepMind表示Genie 3能够运行数分钟才开始产生伪影。

该模型的另一个新功能是DeepMind称之为"可提示的世界事件"。Genie 2具有交互性，用户或AI智能体能够输入移动命令，模型在生成下一帧后会做出响应。Genie 3能够实时完成这项工作。此外，可以通过文本提示来调整模拟，指示Genie改变其生成世界的状态。在DeepMind展示的演示中，模型被告知在一个人滑雪下山的场景中插入一群鹿。虽然鹿的移动方式不够逼真，但DeepMind表示这是Genie 3的杀手级功能。

如前所述，该实验室主要将模型视为训练和评估AI智能体的工具。DeepMind表示，Genie 3可用于教授AI系统处理其预训练未涵盖的"假设"场景。Fruchter说："在模型能够部署到现实世界之前，还有很多工作要做，但我们确实将其视为更高效训练模型并提高其可靠性的方式。"他举例说，Genie 3可用于教导自动驾驶汽车如何安全避开突然出现在前方的行人。

尽管DeepMind对Genie进行了改进，但该实验室承认仍有大量工作要做。例如，该模型无法完美准确地生成现实世界位置，在文本渲染方面也存在困难。此外，为了让Genie真正有用，DeepMind认为模型需要能够维持模拟世界数小时而非数分钟。尽管如此，该实验室认为Genie已准备好产生现实世界的影响。

Parker-Holder说："我们已经到达这样一个阶段：虽然你不会将Genie作为唯一的训练环境，但你确实可以发现一些你不希望智能体做的事情，因为如果它们在某些设置中表现不安全，即使这些设置并不完美，了解这一点仍然是有益的。你已经可以看到这将走向何方，随着模型的改进，它将变得越来越有用。"

目前，Genie 3尚未向公众开放。不过，DeepMind表示正在努力让更多测试人员使用该模型。

Q&A

Q1：Genie 3相比Genie 2有哪些主要改进？

A：Genie 3在三个方面有显著改进：首先是分辨率从360p提升到720p；其次是能够维持数分钟的一致模拟，而Genie 2往往在60秒内就开始产生幻觉；最重要的是新增了"可提示的世界事件"功能，可以通过文本提示实时修改模拟世界的状态。

Q2：Genie 3的主要用途是什么？

A：Genie 3主要用于训练和评估AI智能体，特别是处理预训练未涵盖的"假设"场景。例如，可以用来教导自动驾驶汽车如何安全避开突然出现的行人，帮助AI系统提高可靠性和安全性。

Q3：普通用户现在能使用Genie 3吗？

A：目前Genie 3尚未向公众开放。DeepMind表示正在努力让更多测试人员使用该模型，但还没有具体的公开发布时间表。