先前 Google DeepMind 發表了全新通用世界模型 Genie 3，這款模型不僅能生成前所未有的多樣化互動環境，更達成了一項技術突破：讓使用者能以每秒 24 影格（fps）的速度，即時在生成出的動態世界中導覽。
這項技術讓 AI 不再只是產出影片，而是能創造出具備物理一致性且可互動的模擬空間。現在，美國的AI Ultra用戶已經可以開始試用。
世界模擬的新進展：從 Genie 2 到即時互動的 Genie 3
Google DeepMind 在模擬環境研究領域已耕耘超過十年。從早期的即時戰略遊戲訓練，到後來的開放式學習與機器人技術，這些經驗都成為開發世界模型的養分。世界模型被視為邁向通用人工智慧（AGI）的關鍵基石，因為它能為 AI 代理程式（Agents）提供無限且豐富的訓練場景。
相較於去年的 Genie 1 與 Genie 2，Genie 3 在一致性與寫實度上有顯著提升。最核心的進步在於它支援即時互動，讓使用者能直接「走入」由文字描述所建構的世界。
展現強大的物理模擬與多樣化場景
Genie 3 的能力涵蓋了從自然景觀到虛擬幻想的多種情境，以下是其主要的展示亮點：
-
自然界物理模擬： 能夠模擬複雜的水流、光照以及環境互動。例如，在火山區域駕駛輪式機器人，輪胎壓過黑色岩石的碎裂聲與觸感，或是颶風來襲時海浪拍打路面、棕櫚樹隨風彎曲的景象，都能逼真呈現。
-
生物多樣性與生態系： 模型能生成生動的生態系統，包括動物行為與細緻的植物生長。使用者可以探索冰河湖畔的森林小徑，或是潛入充滿發光水母的深海峽谷。
-
動畫與虛擬創作： 除了寫實風格，Genie 3 也能處理想像力十足的場景，像是讓一隻蓬鬆的小生物在彩虹橋上奔跑，或以摺紙風格呈現蜥蜴的動作。
-
歷史與地理重現： 使用者可以瞬間移動到古希臘時期的雅典，觀察當時的大理石建築，或是探索克里特島上的米諾斯王國遺址。
技術突破：長時間的一致性與可指令化的世界事件
要在即時生成中維持長期的環境一致性是非常困難的技術挑戰。Genie 3 成功克服了誤差隨時間累積的問題，讓生成的環境在數分鐘內保持一致。即使使用者轉身離開一分鐘後再回到原處，模型仍能記得該地點的特徵。
此外，Genie 3 引入了「可指令化世界事件（Promptable World Events）」。使用者除了操控移動方向，還能透過文字指令改變世界狀態，例如改變天氣、召喚特定物件或角色。這為訓練 AI 代理程式處理意外狀況（如：如果突然下雨了怎麼辦）提供了極佳的模擬平台。
未來展望與負責任的開發
目前 Genie 3 仍有一些限制，包含動作空間受限、多個代理程式間的複雜互動模擬尚在研究中，以及對現實世界地理精確度的掌握還有提升空間。
Google DeepMind 強調，Genie 3 目前僅作為研究預覽版，提供給少數學術人員與創作者試用。團隊正與負責任開發團隊密切合作，確保這項強大技術在推動 AI 研究與創意產業的同時，能將潛在風險降至最低。
- 延伸閱讀：xAI重金挖角輝達專家加速研發「世界模型」AI系統，打造具備推理能力的實體智能、還要開發遊戲
- 延伸閱讀：李飛飛團隊推出Marble 「世界模型」，一句提示即可生成無限 3D 世界
- 延伸閱讀：Google 推出 Genie 3 世界模型，一句提示就能生成可即時互動的虛擬場景
