一張照片就能變成栩栩如生的遊戲世界？Google 全新 AI 『Genie 2』的故事

想像一下，一張小時候畫的拙劣圖畫，或是在旅遊景點拍的平凡照片，突然變成栩栩如生的 3D 遊戲世界會是什麼樣子？如果你能走進那張照片，觸摸樹木、在小溪游泳，甚至跳上小山丘。就像電影《野蠻遊戲》（Jumanji）一樣，現實的圖像變成一個立體的冒險空間，這種魔法般的事情現在已經近在眼前。

這聽起來像是童話故事，但多虧了 Google DeepMind 最近公開的全新 AI 模型 『Genie 2』，這個想像距離現實又更近了一步。Genie 2：大規模基礎世界模型 — Google DeepMind 究竟這個『智慧神燈精靈』想向我們展示什麼樣的世界呢？

這為什麼很重要？

目前的 AI 主要專精於寫作（ChatGPT）或繪製精美的圖畫（Midjourney）。但 Genie 2 的層次完全不同。這款 AI 被稱為 『世界模型（World Model）』。簡單來說，它是具備自行理解並模擬（虛擬實驗）周圍環境物理定律與互動能力的 AI 模型。Genie 2：大規模基礎世界模型 — Google DeepMind

這為什麼重要？因為這不僅是展示漂亮的影片，更意味著當我們在其中進行某些操作時，AI 能提前『預測』會發生什麼結果，並進行即時『反應』。

打個比方，如果現有的 AI 是播放完整電影的放映機，那麼 Genie 2 就如同一個巨大的舞台，觀眾可以隨意更改劇本並在其中遊玩。當角色跳入水中，AI 會即時計算並繪製出濺起的水花，以及受重力影響下沉的物理反應。這項技術不僅能帶來製作遊戲的樂趣，更具備巨大的產業潛力，例如幫助現實世界的機器人在安全的虛擬世界中進行高度訓練，而無需承擔發生危險事故的風險。Google DeepMind 執行長演示 Genie 2，世界構建 AI 模型 - CBS News

輕鬆理解：Genie 2 是如何運작的？

如果用一句話定義 Genie 2，可以稱它為 『想像力豐富的天才遊戲製作人』。Genie 2：大規模基礎世界模型 - simonwillison.net

通常製作遊戲需要眾多程式設計師編寫複雜代碼，設計師通宵達旦繪製立體模型。但 Genie 2 只要給它一張照片，就能瞬間將其中的平面空間重新構建為立體的 3D 世界。Genie 2：次世代 3D 世界基礎模型

1. 預測行動結果的智慧

Genie 2 會根據使用者的輸入（跳躍、游泳、行走等）自行判斷虛擬世界該如何變化。Genie 2：大規模基礎世界模型 — Google DeepMind 這就像我們閉上眼睛想像『如果我在這裡扔石頭，那扇窗戶會碎吧？』一樣。AI 不是從教科書學習物理定律（Physics），而是透過無數經驗自行領悟。Genie 2：大規模基礎世界模型 - deepmind.google

2. 透過影片自學世界

這款聰明的 AI 是如何獲得這種能力的？答案是學習了龐大的影片數據。Genie 2：大規模基礎世界模型 — Google DeepMind 就像嬰兒透過觀察世界來學習一樣，Genie 2 透過觀看無數影片領悟了因果關係，例如「當人這樣移動時，背景會這樣變化」、「當物體相互碰撞時會彈開」。透過這個過程，Genie 2 能夠以令人驚嘆的逼真度描繪複雜角色的關節運動或自然的互動。Genie 2：大規模基礎世界模型 - deepmind.google

3. 甚至能讀懂其他角色的心思？

更令人驚訝的是，Genie 2 甚至能預測該虛擬世界中其他存在（Agent）的行為。Genie 2：大規模基礎世界模型 - deepmind.google 不僅背景會變，AI 還會計算並呈現虛擬世界中的其他人物如何應對我的動作。這簡直就像是在模擬一整個活生生的生態系統。

現狀：從 2D 到 3D 的巨大飛躍

事實上，Genie 2 有一個可靠的哥哥，那就是 2024 年初公開的 『Genie 1 (Genie)』。Genie 1 是擁有約 110 億個參數（充當 AI 腦細胞權重資訊）的模型，主要成功創建了平面 2D 遊戲環境。[2402.15391] Genie：生成式互動環境

然而，這次登場的 Genie 2 遠遠超越了前者，創造出深度更深、更具沉浸感的 3D 虛擬世界。Genie 2：次世代 3D 世界基礎模型 Google DeepMind 信心十足地評價這是 AI 技術在「通用性方面的重大飛躍」。Google 發布 Genie 2：大規模基礎世界模型

這個雄心勃勃的項目由 Jack Parker-Holder 領導，Stephen Spencer 奠定了技術基礎，是數十位天才研究員共同努力的成果。Genie 2：大規模基礎世界模型

未來會如何？

Google DeepMind 執行長 Demis Hassabis 曾出席美國知名新聞節目《60 分鐘》（60 Minutes）親自演示 Genie 2，吸引了全球目光。Google DeepMind 執行長演示 Genie 2，世界構建 AI 模型 - CBS News

Hassabis 執行長明確表示，這項技術不會僅停留於娛樂工具。最受矚目的領域正是 『機器人的早期教育』。Google DeepMind 執行長揭秘 Genie 2：AI 驅動的世界構建模型

在現實世界中訓練機器人，昂貴的設備損壞風險很大，且事故風險始終存在。但如果讓機器人在 Genie 2 生成的『比現實更真實的虛擬世界』中訓練數萬次會怎樣？機器人將能安全地經歷試錯，學會更精準、更快速地工作。此外，在教育現場或藝術創作領域，現場實現我們夢想中的世界並親自探索的時代似乎即將開啟。Google DeepMind 執行長揭秘 Genie 2：AI 驅動的世界構建模型

AI 的觀點（MindTickleBytes AI 記者的一句話）

Genie 2 的出現預示著 AI 已超越單純『閱讀文字與繪製圖片的助手』，開始正式理解我們所立足的『世界的運作原理』。這項能隨意創造物理定律躍然紙上的虛擬空間的技術，不久後將打破現實與虛擬的隔閡，進一步加速智慧機器人自然融入我們日常生活的『智慧代理（Agentic）時代』。從一張照片開始的冒險將如何改變我們的生活，難道不令人期待嗎？

參考資料

1. Genie 2: A large-scale foundation world model — Google DeepMind
2. [2402.15391] Genie: Generative Interactive Environments
3. Genie 2: The Next-Generation Foundation Model for 3D Worlds
4. Genie 2: A large-scale foundation world model - simonwillison.net
5. Genie 2: A Large-scale Foundation World Model
6. Google announces Genie 2: A large-scale foundation world model
7. Google DeepMind CEO demonstrates Genie 2, world … - CBS News
8. Google DeepMind CEO Reveals Genie 2: AI-Powered World …
9. Genie 2: A large-scale foundation world model - deepmind.google