@GoogleDeepMind 刚刚发布了全新的世界模型Genie 4 之前Genie 3已经可以通过一段文字实时生成一个能自由探索的虚拟世界，720P、2… · @MaxForAI · TwKit

@MaxForAI

@GoogleDeepMind 刚刚发布了全新的世界模型Genie 4 之前Genie 3已经可以通过一段文字实时生成一个能自由探索的虚拟世界，720P、24FPS，而且能在一定时间里保持环境的一致性。 但它还有很多问题，比如复杂物理交互、人物之间的互动，以及长时间模拟的稳定性。 这次Genie 4开始引入Gemini的能力，让整个虚拟世界能够模拟更复杂的连续事件，包括物理效果、人物动作、原生音频和交互式对话。 你可以进入一个AI生成的世界，触发一个事件，然后实时观察整个环境如何响应。 过去几年，我们主要在研究怎么让 AI 理解语言、图片和视频，然后逐步学会使用工具、执行任务。 但如果我们希望 AI 最终能够进入物理世界，它就需要理解自己采取的行动会造成什么后果。 而现实世界的试错成本太高了。 机器人不可能为了学会拿杯子，每次都真的摔坏一个杯子；自动驾驶也不可能通过真实交通事故来学习应对极端情况。 所以世界模型有一个很有吸引力的前景：为 AI 创造可以不断探索、执行任务、犯错和积累经验的模拟环境。 当然，模拟得像和模拟得对之间还有很长的距离。 但我越来越觉得，未来 AI 的竞争可能会出现另一条重要战线：谁能为 Agent 提供规模更大、反馈更准确、足够复杂的训练世界（也就是RL环境）。 这可能会成为推动下一阶段 AI 能力进步的重要基础设施。

曝光 794 · 评论 1 · 点赞 12 · 书签 2