編輯 | 伊風

出品 | 51CTO技術棧（微信號：blog51cto）

AI公司年底要沖業(yè)績了！

一覺醒來，OpenAI宣布了未來12天的直播活動，而老對手谷歌直接發(fā)布了Genie 2，宣布在世界模型方面又邁出重要一步！

圖片

但，至少今天是谷歌更勝一籌——Genie 2是在太令人印象深刻了！用Google DeepMind首席執(zhí)行官Demis Hassabis話來說：“世界模型正在成形。”

圖片

給 Genie 2 一張照片，它給你一個可以交互的世界！

無論是創(chuàng)造一個飛船上的游戲世界，還是想變身行走在未來世界的機器人，都立馬能安排，想玩什么自己點！

Genie 2 即時生成新內容的時間也大幅擴展了，足足給了一分鐘！

圖片

可以看到，Genie 2生成的虛擬世界交互邏輯非常絲滑。

不僅如此，人類和AI Agents（DeepMind推出的游戲代理SIMA）都可以參與，以后不愁具身智能沒有地方訓練了。

“Genie 2 能夠讓未來的 Agents 在無限制的新穎世界課程中進行訓練和評估。這項研究也為原型化互動體驗的新型創(chuàng)意工作流程鋪平了道路，”Google DeepMind在其博客文章中寫到。

Genie 2 不只讓我們看到了“大模型沒有撞墻”一個有力論據(jù)，也看到了谷歌搶先一個身位通向AGI的可能！

1.世界模型正在成形

在前版Genie 1的基礎上，Genie 2從2D環(huán)境的擴展到了3D。Genie 2基于大規(guī)模視頻數(shù)據(jù)集訓練，采用自回歸潛在擴散技術，根據(jù)用戶動作逐幀生成畫面。

Genie 2全新的交互讓我們看到了世界模型的雛形：模擬物理交互、建模復雜動畫、創(chuàng)建具有真實物理特性、光照效果和物體交互的環(huán)境。

比起AI視頻所展示的，我們會感覺到Genie 2更懂這個世界了。來點案例看看：

槍響之后，油罐桶會爆炸：

模型對于重力的領悟，汽車是會墜落懸崖的：

汽車駛入水路段，輪胎后被激起的水花：

還有各種場景下的煙霧、光照、屋里鏡子的反光隨著視角的變化，都能感受到Genie 2的突破！

2.Genie 2的世界：人類和 AI 都能參與

我們在3月份介紹過，來自DeepMind的游戲“搭子”SIMA，一個從多個3D游戲中訓練的AI Agent。

能完成600項基本游戲操作的SIMA，也在Genie 2中挑戰(zhàn)了一把，再次展現(xiàn)了高水平的泛化能力。

領導Genie 2項目的 Jack Parker-Holder 說， 他們使用了Genie 2創(chuàng)建了一個神秘“三拱門”場景，然后使用Prompt控制AI進入哪個通道，然后取得了成功！

圖片

也就是說，SIMA證明了，AI在這個虛擬世界，是能夠遵循語言指令，進行各種訓練的！

Genie 2生成的無限世界，多樣性和復雜性可以拉滿，Agents缺少培訓場景的問題大大解決了。而且Genie 2本身也可以使用真實照片做場景，工廠、農田、礦場等等場地都可以一鍵生成，讓AI為迎接現(xiàn)實世界的復雜性做足準備。

值得一提的是，Genie 2 人類和AI都能操作的模式，可能會在未來實現(xiàn)共同的操作和交互。甚至能徹底改變我們測試和完善人工智能系統(tǒng)的方式，將人類的創(chuàng)造力與人工智能解決問題的可能性在虛擬世界中進行融合。

3.Genie 2的兩位領導者

領導Genie 2項目的 Jack Parker-Holder，在谷歌已經(jīng)工作了兩年半的時間。

圖片

他非常看重Genie 2在具身智能訓練上的潛力。

這也和他寫在簡介中的目標高度一致：“我的目標是設計出永不停止生產新的有趣事物的系統(tǒng)......也許甚至是 AGI：)”。

圖片

Genie 2的技術 leader是Stephen Spencer。Spencer 于 2018 年 6 月加入 DeepMind 擔任研究科學家，22年合作發(fā)表的重要論文《通過算法蒸餾進行上下文強化學習》，被引用超百次。

圖片

4.寫在最后：OpenAI如何應戰(zhàn)？

OpenAI能否截胡成功？

還是很有可能！畢竟是12天活動的狂轟亂炸！

而且大家紛紛猜測Sora是不是要廣泛可用了，也算我們這一整年度的期待有了一個尾聲。

畢竟，作為實驗室的Deepmind，所發(fā)布的Genie 2還遠遠不是一個產品形態(tài)。如果OpenAI能給用戶更多開箱即用的魔法，勢必會在這個年尾獲得更多的關注。

網(wǎng)友對Genie 2的評價：雖然這令人印象深刻，但看起來仍像是一個非常早期的原型。從整體上看，它似乎并不是一個獨立的產品，而是面向通用代理的更廣泛研發(fā)項目的一部分...... 我甚至懷疑他們是否已經(jīng)為這個項目建立了任何生產化的建模管道，而且可以肯定的是，我們不會在短期內獲得開放的訪問權限。

圖片

那么，OpenAI可能發(fā)布什么呢？

GPT-5、Sora、o1-full是呼聲最高的系列了。

在評論區(qū)有人一本正經(jīng)的在做推測，而有人直接把畫風切換到了2045年。

圖片

圖片

12天的活動，營銷鬼才奧特曼到底能給我們帶來多少干貨，值得拭目以待！

永遠面向未來的奧特曼，已經(jīng)在做明年的劇透了，他對《紐約時報》說：2025年的AI系統(tǒng)將讓我們驚掉下巴。

圖片

本文轉載自??51CTO技術棧??，作者：伊風