8月6日消息，DeepMind近日发布了其AI“世界模型”（world model）的新版本 3。 该模型能够基于用户提示词，实时生成可供用户及AI智能体（AI agent）进行互动的3D环境。据谷歌介绍，Genie 3在互动时长和场景记忆的连贯性上，均较前代版本有显著提升。
世界模型是一种可以模拟环境的AI系统，其应用场景包括教育、娱乐以及机器人或AI智能体的训练。与传统视频游戏依赖3D资产手动构建世界不同，世界模型完全由AI根据提示词生成可供用户探索的空间。谷歌正大力投入该领域，不仅在去年十二月展示了可基于图片生成互动世界的Genie 2，目前还在组建一支专门的世界模型团队，该团队由OpenAI视频生成工具Sora项目的一位前联合负责人领导。
根据谷歌发布的一篇博文，Genie 3在核心性能上实现了多项关键迭代。其生成的互动世界，可支持“数分钟”的连续互动，相比Genie 2仅能实现的10至20秒互动时长，有了大幅提升。
此外，新模型增强了场景的“物体恒存”能力。谷歌表示，Genie 3能将空间在视觉记忆中保持约一分钟。这意味着，当用户在虚拟世界中将视线从一个物体上移开再转回时，墙上的油漆或黑板上的字迹等细节将保持原位，不会发生意外的扭曲或变化。技术规格方面，Genie 3生成的世界将拥有720p的分辨率，并以24fps的帧率运行。
DeepMind还在Genie 3中加入了一项名为“可提示化世界事件”（promptable world events）的新功能，允许用户通过提示词，直接改变世界中的天气状况或添加新的人物角色。
然而，Genie 3在发布初期将不会向公众开放。 谷歌方面称，该模型将首先以“有限研究预览版”的形式，提供给“一小部分学者和创作者”使用，以便其开发者能更好地理解潜在风险并制定适当的缓解措施。
目前，该模型仍存在一些限制，例如用户与生成世界的互动方式有限，以及清晰可读的文本“通常只有在输入的提示词描述中提供时才能生成”。谷歌表示，公司正在“探索”未来如何将Genie 3提供给“更多的测试者”。（易句）
（本文由AI翻译，网易编辑负责校对）
