DeepMind представляет Genie 3, продвигаясь к искусственному общему интеллекту

DeepMind представила Genie 3 — свою последнюю базовую модель мира, способную генерировать интерактивные 3D-среды в реальном времени. Этот прогресс рассматривается как ключевой шаг к достижению искусственного общего интеллекта (AGI).

Шломи Фрухтер, директор по исследованиям в DeepMind, описал Genie 3 как первую в мире интерактивную универсальную модель мира в реальном времени, подчеркнув её способность создавать как фотореалистичные, так и воображаемые миры без привязки к конкретным средам.

Опираясь на своих предшественников, Genie 3 может генерировать несколько минут интерактивных 3D-сред с разрешением 720p и частотой 24 кадра в секунду, что является заметным улучшением по сравнению с 10–20 секундами, генерируемыми Genie 2. Модель также вводит «мирные события по запросу», позволяющие пользователям изменять создаваемый мир с помощью текстовых подсказок.

Ключевой особенностью Genie 3 является способность поддерживать физическую согласованность во времени, запоминая ранее сгенерированный контент — возможность, которая не была явно запрограммирована в модели. Это возникающее поведение позволяет модели симулировать физику реального мира, такую как взаимодействия и движения объектов, без использования жёстко заданного физического движка.

DeepMind рассматривает Genie 3 как инструмент для обучения ИИ-агентов универсальным задачам, что необходимо для продвижения к AGI. Джек Паркер-Холдер, научный сотрудник DeepMind, подчеркнул важность моделей мира, подобных Genie 3, для симуляции реальных сценариев, особенно для воплощённых агентов.

Несмотря на достижения, у Genie 3 есть ограничения, включая ограниченный набор действий агента и трудности с точным моделированием сложных взаимодействий между несколькими агентами. Кроме того, модель в настоящее время поддерживает только несколько минут непрерывного взаимодействия, тогда как для комплексного обучения необходимы более длительные периоды.

Genie 3 находится на стадии исследовательского предварительного просмотра и пока недоступна широкой публике. DeepMind продолжает совершенствовать модель, стремясь расширить её возможности и устранить существующие ограничения в рамках своих текущих усилий по разработке AGI.