谷歌DeepMind发布Genie 3模型用于生成交互式虚拟世界

谷歌DeepMind实验室发布了Genie 3人工智能模型，专门用于生成虚拟世界。

这是该公司自去年2月推出的算法系列的第三代产品。据DeepMind介绍，该技术可以为AI模型创建更高质量的训练环境，从而推动机器学习研究的发展。

Genie 3能够基于自然语言提示生成虚拟世界。它可以模拟海滩、阿尔卑斯山景观和其他户外场所以及室内空间。在一次内部测试中，DeepMind研究人员让Genie 3生成了一个精细的水下环境，其中包含一只巨大的水母。

用户可以通过提示来改变虚拟世界。Genie 3可以接受修改天气、调整摄像机角度或向环境中添加物体的指令。它还能够模拟这些物体之间的相互作用。

该算法的前身Genie 2每次可以渲染虚拟环境长达20秒。DeepMind表示，Genie 3可以管理长达数分钟的渲染。这家Alphabet旗下公司的研究人员还将渲染质量从360p提升到720p，对应分辨率为1280×720像素。

渲染一致性是Genie 3提供改进的另一个领域。在用户会话期间，该模型会分析过去的帧来确定未来帧应如何生成。

DeepMind研究人员Jack Parker-Holder和Shlomi Fruchter在今日的博客文章中解释道："自回归生成环境通常比生成整个视频在技术上更困难，因为不准确性往往会随着时间的推移而累积。尽管面临挑战，Genie 3环境在数分钟内保持基本一致，视觉记忆可以延续到一分钟前。"

Alphabet认为Genie 3可以用于训练具身智能体。这些是为工业机器人等自主系统提供动力而设计的AI智能体。通常，此类算法在模拟其预期导航的真实世界环境中进行训练。

DeepMind使用名为SIMA的AI模型测试了Genie 3的具身智能体训练功能。SIMA算法旨在在虚拟环境中自主执行任务。在测试中，DeepMind研究人员成功指示SIMA在Genie 3生成的环境中执行一系列动作。

Parker-Holder和Fruchter写道："在每个世界中，我们指示智能体追求一系列不同的目标，它通过向Genie 3发送导航动作来实现这些目标。像任何其他环境一样，Genie 3不知道智能体的目标，而是根据智能体的动作模拟未来。"

最初，DeepMind将向有限数量的测试人员提供Genie 3作为研究预览。该公司目前正在研究如何在未来向更多用户提供这项AI技术。

Q&A

Q1：Genie 3是什么？它能做什么？

A：Genie 3是谷歌DeepMind开发的第三代人工智能模型，专门用于生成虚拟世界。它能够基于自然语言提示生成各种虚拟环境，包括海滩、山景、室内空间和水下场景等，用户还可以通过提示修改天气、调整视角或添加物体。

Q2：Genie 3相比前代产品有什么改进？

A：相比前代Genie 2，Genie 3在多个方面有显著提升：渲染时长从20秒延长到数分钟，分辨率从360p提升到720p(1280×720像素)，并且大幅改善了渲染一致性，视觉记忆可以延续到一分钟前。

Q3：Genie 3如何用于AI训练？

A：Genie 3可以为具身智能体提供训练环境，特别适用于工业机器人等自主系统的AI算法训练。DeepMind已经使用SIMA智能体在Genie 3生成的环境中成功进行测试，智能体能够根据目标执行各种导航动作。