Google DeepMind 已向符合条件的 Google AI Ultra 订阅者推出 Genie 4,将 Project Genie 从研究原型转变为消费产品,用于生成和探索交互式 AI 生成的世界。谷歌宣布,此次更新首次向公众开放了 Genie 4、一个对话式构建代理和一个社区画廊,用户可以在其中分享和重新混合他们的创作。
Genie 项目于今年早些时候作为实验研究原型推出,早期测试人员告诉谷歌,他们希望更深入地控制生成的世界内部发生的事情,并以更简单的方式构建和共享它们。自本周在讨论论坛上名列前茅以来,新版本得到了开发者社区的广泛关注,它满足了这两个要求。为了持续报道 Google DeepMind 和其他所有主要实验室的最新人工智能发展,AI Buzz Wire 会跟踪每次发布的情况。
编辑任何世界中的会话
Genie 4 是 Google DeepMind 迄今为止最真实、最具互动性的世界模型,其定义功能是实时编辑:用户可以在会话中提示以实时更改他们正在导航的世界。谷歌在其声明中表示,通过输入提示“改变天气、插入角色或重定向动作”。
Genie 4 首次将这些视觉效果与实时本地音频配对,音频会随着场景的展开而调整,范围从环境音景到角色对话。谷歌演示了将自然语言提示转变为交互式太空行走,然后根据命令召唤一艘外星飞船,并将山坡咖啡馆重新混合成沙漠中的玻璃亭。
会话代理构建您的世界
创建世界不再需要单一的完美提示。新的 Project Genie 代理通过普通对话协调 Google 的多模式模型套件:用户描述他们的愿景,代理制作初始视觉效果,建立世界标志性外观,并搭配根据心情定制的自定义背景乐谱。
双子座模型还可以在会话运行时加入会话,观察屏幕上发生的情况,显示上下文感知建议芯片以决定下一步该去哪里,或者在旅程展开时自动触发世界中的事件。谷歌表示,其结果使得打造一个互动世界“就像进行对话一样轻松”。
为混音而建的画廊
新的社区画廊让 Ultra 订阅者可以发布自定义世界,供其他人探索和重新混合。谷歌自己策划的例子展示了这个范围:“生活记忆”将个人照片转化为可探索的空间,“恐龙实地指南”在360度全景的史前栖息地中漫步,“剪刀石头布”将主题物体放在桌子上相互对峙,双子座充当实时裁判。
Genie 3 保留在模型选择器中
尽管 Genie 4 首次亮相,但 Genie 3 在 Project Genie 的模型选择器中仍然可用,因为它仍然是更好的工具 - 较长的运行和全景种子空间。谷歌重点介绍了 Genie 3 的更新,包括实时提示事件,将不同的世界连接成一次穿越森林、水下废墟和冰冷海洋的连续飞行,以及 360 度全景接地,使佩特拉峡谷和立面在相机移动时保持一致。
在一次演示中,精灵 3 结合了更长的运行、全景接地和提示事件来改变飞行途中的世界,甚至可以根据命令召唤一条可骑乘的龙。
访问和可用性
Genie 4 现已向符合条件的 Google AI Ultra 订阅者推出,他们今天就可以在社区图库中构建、共享和重新混合世界。 Google AI Pro 会员可以加入候补名单。一切都可以通过 Project Genie 网站直接在浏览器中运行,无需下载。
三周内从原型到产品
此次推出的速度引人注目。精灵计划仅在几周前作为一项有限的研究实验而存在,谷歌表示,这次更新是对早期测试人员要求的直接回应:更多的控制和更容易的共享。 DeepMind 并没有采用缓慢的从研究到产品的流程,而是一次性提供了消费者访问权限、创造代理和社交基础设施——这表明谷歌正在积极地将其世界模型计划推向主流。
这也反映出该公司推出人工智能产品的方式发生了更广泛的转变。谷歌没有等待一款完美的旗舰产品,而是在公开场合进行迭代,利用其用户群作为实时测试场,同时保留明确的研究谱系——Genie 3——可用于新模型尚未处理得最好的工作负载。
为什么世界模型很重要
世界模型——模拟交互环境的人工智能系统,而不仅仅是预测文本或渲染静态帧——被广泛视为游戏、机器人训练和具体人工智能研究的潜在基础。凭借 Genie 4,谷歌成为第一个将前沿世界模型大规模交付给普通消费者的主要实验室,并具有将世界构建转化为可共享内容的社交功能。
此次推出还加剧了生成媒体领域的竞争。随着世界模型、视频生成器和游戏引擎的融合,玩游戏和提示游戏之间的界限开始变得模糊——谷歌现在拥有一款面向消费者的产品来准确测试这条界限的位置。
保持人工智能领先地位
从世界模型到前沿法学硕士,人工智能的格局每周都在发生变化。在 AI Buzz Wire 上跟踪最新的 AI 发展。
阅读更多人工智能新闻 →