谷歌DeepMind推出Project Genie，打造AI生成的互动世界

谷歌DeepMind发布了Project Genie，这是一款允许用户通过文本提示或图像创建并探索互动游戏世界的AI工具。从周四开始，美国的Google AI Ultra订阅用户可以访问这一实验性研究原型，该原型结合了DeepMind最新的世界模型Genie 3、图像生成模型Nano Banana Pro以及Gemini系统。

该项目继五个月前发布的Genie 3研究预览之后，旨在收集用户反馈和训练数据，以推动世界模型的发展。世界模型是能够生成环境内部表征的AI系统，能够预测未来结果并进行行动规划。DeepMind认为这些模型是实现人工通用智能（AGI）的关键步骤，并设想其在视频游戏、娱乐和机器人训练中的应用。

Project Genie的发布正值世界模型开发活动日益活跃之时。李飞飞的World Labs最近推出了首款商业产品Marble，而AI视频生成初创公司Runway也推出了自己的世界模型。此外，由前Meta首席科学家Yann LeCun创立的AMI Labs专注于世界模型的开发。

DeepMind的研究主管Shlomi Fruchter对Project Genie的更广泛开放表示热情，他说：“我认为能够让更多人访问并给予反馈，这非常令人兴奋。”

DeepMind承认Project Genie具有实验性质，尽管它可以生成可玩的世界，但结果可能有所不同。用户首先提供环境和主要角色的文本提示，Nano Banana Pro据此生成图像。该图像作为Genie生成互动世界的基础。用户可以在生成世界前修改图像，也可以使用现实照片作为基准，尽管结果可能不稳定。

世界生成后，用户可以以第一人称或第三人称视角探索，重新混合现有世界，或浏览画廊中的精选世界。目前，由于预算和计算限制，DeepMind将世界生成和导航时间限制为60秒。Fruchter解释道：“我们限制为60秒的原因是希望让更多用户能够使用。基本上，当你使用它时，有一块芯片专属于你，专门用于你的会话。”

他补充说，延长时长会降低测试的增量价值，他指出：“这些环境很有趣，但由于交互水平和环境动态性有限，到了某个点就会受限。尽管如此，我们认为这是一个限制，未来希望改进。”

测试中，Project Genie在艺术风格提示（如水彩或动漫风格）表现良好，但在逼真或电影风格世界中表现欠佳，常生成类似电子游戏而非现实场景的结果。使用真实照片作为基准也产生了混合效果，有时生成的环境显得冷清且数字感强。

交互性也是需要改进的方面。用户报告角色会穿墙或穿过物体，导航控制有时无响应或引导用户走向非预期方向。

Fruchter承认这些不足，强调Project Genie是一个实验性原型。团队目标是提升真实感和交互能力，包括赋予用户更多对动作和环境的控制权。

“我们不认为Project Genie是一个用户每天都会回访的端到端产品，但我们认为它已经展现出一些有趣且独特的特质，是其他方式无法实现的，”Fruchter说。

随着Project Genie的持续发展，DeepMind计划解决这些限制，扩大用户访问范围，并基于用户反馈和进一步研究不断完善该工具。