Apakah Google DeepMind Genie 3? Sempadan Baharu untuk Model Dunia

Google DeepMind telah mengumumkan Genie 3, model dunia tujuan umum yang mewakili lonjakan ketara dalam persekitaran interaktif janaan AI. Sistem ini boleh menjana dunia dinamik yang boleh anda navigasi dalam masa nyata pada 24 bingkai sesaat, mengekalkan ketekalan pada resolusi 720p selama beberapa minit.

Ini bukan penjanaan video tradisional. Genie 3 mencipta persekitaran yang boleh anda terokai dan berinteraksi dengannya semasa ia sedang dijana.

Apakah Model Dunia?

Sebelum memahami Genie 3, adalah wajar mentakrifkan apa yang sebenarnya dimaksudkan dengan “model dunia”.

Model dunia ialah sistem AI yang menggunakan pemahaman mereka tentang dunia untuk mensimulasikan aspek-aspeknya. Ia membolehkan ejen AI meramal bagaimana sesuatu persekitaran akan berkembang dan bagaimana tindakan mereka akan mempengaruhinya.

Anggap ia sebagai perbezaan antara:

Penjanaan video: Mencipta klip yang dipra-render yang boleh anda tonton
Pemodelan dunia: Mencipta persekitaran berterusan yang boleh anda navigasi dan pengaruhi

Google DeepMind telah mempelopori penyelidikan ini selama lebih sedekad, daripada melatih ejen untuk menguasai permainan strategi masa nyata (AlphaStar) hingga membangunkan persekitaran simulasi untuk robotik.

Evolusi: Dari Genie 1 ke Genie 3

Genie 3 dibina di atas dua lelaran terdahulu:

Genie 1 (2024): Model dunia asas pertama yang boleh menjana persekitaran baharu untuk ejen AI daripada imej.

Genie 2 (2024): Model dunia asas berskala besar yang memperluas keupayaan tetapi tidak mempunyai interaksi masa nyata.

Genie 3 (2026): Model dunia pertama dalam siri ini yang membenarkan interaksi dalam masa nyata, dengan ketekalan dan realisme yang lebih baik berbanding Genie 2.

Google DeepMind menyifatkan model dunia sebagai “batu loncatan utama di laluan ke AGI” kerana ia membolehkan ejen AI dilatih dalam persekitaran simulasi yang tidak terhad dan kaya.

Keupayaan Teras Genie 3

Memodelkan Sifat Fizikal Dunia

Genie 3 boleh mensimulasikan fenomena semula jadi seperti dinamik air, kesan pencahayaan, dan interaksi persekitaran yang kompleks.

Contoh prompt yang ditunjukkan:

Menavigasi rupa bumi gunung berapi dengan robot beroda sambil mengelak kolam lava
Menunggang jetski semasa perayaan cahaya
Berjalan di sepanjang pantai Florida semasa taufan dengan ombak melimpah ke atas jalan
Mengikuti obor-obor melalui lohong hidroterma laut dalam
Memandu helikopter di atas tebing pantai

Mensimulasikan Dunia Semula Jadi

Sistem ini menjana ekosistem yang meriah dengan tingkah laku haiwan yang realistik dan kehidupan tumbuhan yang rumit.

Contoh prompt:

Berlari melalui landskap glasier dengan pertemuan hidupan liar
Berenang melalui kumpulan obor-obor laut dalam yang bioluminesen
Meneroka taman zen Jepun dengan corak pasir yang disisir
Menavigasi persekitaran dedaun yang padat dan basah oleh hujan

Animasi dan Fiksyen

Genie 3 memanfaatkan imaginasi, mencipta senario fantasi dan watak animasi yang ekspresif merentas pelbagai gaya visual.

Contoh prompt:

Makhluk berbulu yang berlari merentasi jambatan pelangi (gaya animasi 3D)
Menjadi cicak dalam gaya origami
Terbang sebagai kelip-kelip melalui rumah pokok yang terpesona
Landskap Ireland yang mengalami transformasi graviti yang dramatik

Meneroka Lokasi dan Latar Sejarah

Sistem ini boleh melangkaui sempadan geografi dan temporal.

Contoh prompt:

Rupa bumi pergunungan di Alps
Venice dengan Vaporetto serta pantulan terusan yang realistik
Istana Knossos di Crete purba sebagaimana ia berdiri pada zaman kegemilangannya
Berbasikal di Jalan Killar-Kishtwar yang berbahaya di India

Terobosan Teknikal

Interaktiviti Masa Nyata

Mencapai prestasi masa nyata pada 24 fps memerlukan inovasi teknikal yang ketara. Semasa penjanaan bingkai auto-regresif, model mesti mengambil kira keseluruhan trajektori yang dijana sebelum ini.

Contohnya: jika pengguna kembali ke suatu lokasi selepas seminit penerokaan, model merujuk maklumat relevan daripada titik terdahulu itu—sambil mengira berbilang kali sesaat untuk bertindak balas terhadap input pengguna baharu sebaik ia tiba.

Ketekalan Persekitaran Merentasi Horizon Panjang

Persekitaran janaan AI mesti kekal konsisten secara fizikal untuk menjadi imersif. Ini secara teknikal lebih sukar bagi penjanaan masa nyata berbanding video pra-render kerana ketidaktepatan terkumpul dari semasa ke semasa.

Persekitaran Genie 3 kekal “sebahagian besarnya konsisten selama beberapa minit, dengan ingatan visual yang menjangkau sejauh satu minit yang lalu.” Google DeepMind menyatakan ini ialah keupayaan timbul—tidak seperti NeRF atau Gaussian Splatting, Genie 3 tidak memerlukan perwakilan 3D yang eksplisit.

Peristiwa Dunia Boleh Diprom

Selain kawalan navigasi, Genie 3 membenarkan intervensi berasaskan teks yang mengubah dunia yang dijana:

Mengubah keadaan cuaca
Memperkenalkan objek dan watak baharu
Mengubah persekitaran di pertengahan pengalaman

Ini memperluas julat senario “apa jika”—penting untuk melatih ejen AI menangani situasi yang tidak dijangka.

Menggerakkan Penyelidikan Ejen Terjelma

Aplikasi utama ialah melatih ejen AI dalam persekitaran yang dijana. Google DeepMind menguji Genie 3 dengan ejen SIMA mereka (ejen generalis untuk persekitaran maya 3D).

Prosesnya:

Jana dunia dengan tetapan tertentu
Arahkan ejen untuk mengejar matlamat yang berbeza
Ejen menghantar tindakan navigasi kepada Genie 3
Genie 3 mensimulasikan masa depan berdasarkan tindakan tersebut (tanpa mengetahui matlamat ejen)

Oleh kerana Genie 3 mengekalkan ketekalan, ejen boleh melaksanakan urutan tindakan yang lebih panjang dan mencapai matlamat yang lebih kompleks. Google DeepMind menjangkakan teknologi ini memainkan peranan kritikal ketika mereka menuju ke arah AGI.

Had Semasa

Pasukan mengakui beberapa kekangan:

Had	Penerangan
Ruang tindakan terhad	Walaupun peristiwa boleh diprom membenarkan intervensi persekitaran yang luas, tindakan ejen secara langsung kekal terkekang
Interaksi berbilang ejen	Interaksi kompleks antara berbilang ejen bebas masih mencabar
Ketepatan geografi	Tidak dapat mensimulasikan lokasi dunia sebenar dengan ketepatan sempurna
Pemaparan teks	Teks yang jelas dan mudah dibaca hanya muncul apabila diberikan dalam prompt input
Tempoh	Menyokong beberapa minit interaksi berterusan, bukan berjam-jam yang panjang

Ketersediaan

Genie 3 pada masa ini ialah pratonton penyelidikan terhad.

Google DeepMind memberikan akses awal kepada kohort kecil ahli akademik dan pencipta. Pendekatan ini membolehkan mereka:

Mengumpul maklum balas penting
Membangunkan perspektif antara disiplin tentang sempadan baharu ini
Membina pemahaman tentang risiko dan mitigasi yang sesuai

Tiada senarai menunggu awam atau titik akses pada masa ini. Fokusnya ialah pembangunan yang bertanggungjawab sebelum keluaran yang lebih luas.

Apa Seterusnya?

Google DeepMind melihat Genie 3 sebagai detik penting apabila model dunia mula memberi kesan kepada penyelidikan AI dan media generatif. Mereka sedang meneroka:

Pendidikan dan latihan: Membantu pelajar belajar dan pakar memperoleh pengalaman
Latihan ejen: Menyediakan ruang yang luas untuk melatih robot dan sistem autonomi
Penilaian ejen: Meneroka prestasi dan kelemahan ejen
Akses penguji tambahan: Menjadikan Genie 3 tersedia kepada lebih ramai pengguna pada masa hadapan

Gambaran Lebih Besar

Genie 3 mewakili anjakan dalam cara kita memikirkan kandungan janaan AI. Kita sedang bergerak daripada:

Klip statik → Persekitaran interaktif
Prompt tetap → Kawalan masa nyata
Menonton video → Menavigasi dunia

Buat masa ini, Genie 3 kekal sebagai alat penyelidikan. Namun ia menunjuk ke arah masa depan di mana AI menjana bukan sekadar kandungan untuk digunakan, tetapi dunia untuk diterokai.

Mencari Alternatif?

Akses terhad Genie 3 bermaksud kebanyakan pengguna tidak dapat mencubanya hari ini. Jika anda ingin mengalami penjanaan dunia masa nyata sekarang, PixVerse R1 menawarkan alternatif yang boleh diakses secara awam:

Penjanaan masa nyata sehingga 1080p
Keupayaan penstriman tanpa had
Penjanaan audio yang disegerakkan
Kini memperluas akses awam

Ketahui lebih lanjut dalam perbandingan Genie 3 vs PixVerse R1 kami atau cubanya di realtime.pixverse.ai.