在科技界引發(fā)廣泛關(guān)注的最新消息中，谷歌旗下的DeepMind人工智能研究實驗室通過CBS知名欄目《60分鐘》向公眾展示了其最新研發(fā)的AI模型——Genie2。這一突破性技術(shù)能夠?qū)我坏膱D像或簡單文本描述轉(zhuǎn)化為高度精細的3D交互式環(huán)境，為機器人訓(xùn)練、虛擬世界的構(gòu)建乃至通用人工智能（AGI）的發(fā)展開辟了全新的道路。

據(jù)深入了解，Genie2的核心優(yōu)勢在于其端到端的3D環(huán)境生成能力。用戶只需提供一張靜態(tài)圖片，比如瀑布的風(fēng)景照，或者輸入一段文字描述，如“雪地中的戰(zhàn)士”，Genie2就能自動生成一個可自由探索的3D交互環(huán)境，且無需人工參與設(shè)計。這一特性使得Genie2在技術(shù)的創(chuàng)新性上得到了廣泛認可，并在社交平臺上引發(fā)了熱烈討論。

更為引人注目的是，Genie2所生成的3D環(huán)境不僅高度逼真，還支持物理模擬，如重力、水流和煙霧效果，以及動態(tài)光影和角色動畫。用戶或AI代理可以通過鍵盤和鼠標(biāo)在環(huán)境中進行跳躍、游泳等互動操作，體驗極為真實。Genie2還具備環(huán)境一致性功能，能夠記住未顯示的場景部分，如轉(zhuǎn)角后的地形，生成時長可達10至60秒，多數(shù)示例在10至20秒之間。

在技術(shù)上，Genie2基于DeepMind的Gemini架構(gòu)和大規(guī)模視頻數(shù)據(jù)集，結(jié)合了先進的生成技術(shù)。其核心技術(shù)包括時空視頻分詞器、自回歸動態(tài)模型、潛在動作模型等。這些技術(shù)共同作用于Genie2，使其能夠逐幀生成視頻，根據(jù)用戶操作和先前幀預(yù)測后續(xù)場景，確保環(huán)境的連貫性。同時，通過無監(jiān)督學(xué)習(xí)從視頻中提取可控動作，支持交互性，并利用未標(biāo)注的互聯(lián)網(wǎng)視頻數(shù)據(jù)集訓(xùn)練模型理解物理、材質(zhì)和光影，生成多樣化的3D世界。

在應(yīng)用方面，Genie2的多樣化功能使其在多個領(lǐng)域展現(xiàn)出廣闊的應(yīng)用前景。在游戲開發(fā)領(lǐng)域，Genie2能夠快速將概念藝術(shù)或草圖轉(zhuǎn)化為可玩3D環(huán)境，大大縮短了原型設(shè)計時間，對獨立開發(fā)者和AAA游戲工作室來說無疑是一個巨大的福音。在虛擬現(xiàn)實與數(shù)字藝術(shù)領(lǐng)域，Genie2能夠生成沉浸式的VR場景或交互式藝術(shù)作品，提升用戶體驗；在機器人訓(xùn)練方面，Genie2為AI代理提供多樣化的3D訓(xùn)練環(huán)境，模擬現(xiàn)實場景，如工廠和城市，加速機器人導(dǎo)航和操作能力的開發(fā)。

目前，Genie2主要定位為研究與原型工具，尚未向公眾開放。但開發(fā)者可以通過DeepMind或Hugging Face的測試通道申請訪問權(quán)限。在申請成功后，開發(fā)者需要準(zhǔn)備輸入數(shù)據(jù)，如高分辨率照片，以優(yōu)化生成質(zhì)量，并配置高性能的運行環(huán)境，如A100GPU或高性能集群，以支持實時生成。同時，開發(fā)者還可以使用鍵盤和鼠標(biāo)測試交互功能，或集成DeepMind的SIMA代理執(zhí)行任務(wù)。

自Genie2亮相《60分鐘》以來，社區(qū)對其3D交互生成與機器人訓(xùn)練潛力給予了高度評價。許多開發(fā)者認為，Genie2將靜態(tài)圖像轉(zhuǎn)化為動態(tài)世界的過程令人嘆為觀止，具有在游戲和VR領(lǐng)域的顛覆性潛力。然而，也有部分用戶指出，Genie2的生成時長和圖像質(zhì)量衰減問題限制了其商業(yè)化應(yīng)用，并期待DeepMind能夠延長一致性時間和優(yōu)化渲染效率。

DeepMind對此表示，將持續(xù)優(yōu)化Genie2的一致性和渲染效率，并考慮未來與Gemini Robotics整合，以增強機器人交互。同時，社區(qū)也在探討將Genie2與其他AI技術(shù)整合，構(gòu)建從環(huán)境生成到任務(wù)自動化的閉環(huán)生態(tài)。隨著技術(shù)的不斷進步，Genie2有望在未來成為3D世界平臺，提供共享環(huán)境模板和API，推動AI技術(shù)的進一步發(fā)展。