Genie效果的動圖截圖演示。圖片來源：谷歌官網(wǎng)
據(jù)谷歌公司官網(wǎng)26日報道，谷歌旗下“深度思維”公司重磅發(fā)布了一個根據(jù)互聯(lián)網(wǎng)視頻訓(xùn)練的基礎(chǔ)世界模型——Genie(精靈)。其可從合成圖像、照片、草圖生成多種動作可控的環(huán)境。
過去幾年，生成式人工智能(AI)模型能通過語言、圖像甚至視頻生成內(nèi)容。谷歌此次引入生成式人工智能新范式，即生成式交互式環(huán)境，通過單個圖像提示即可生成交互式、動作可控的環(huán)境。
Genie是一個110億參數(shù)的基礎(chǔ)世界模型，在超過20萬小時的二維(2D)游戲視頻上進(jìn)行訓(xùn)練，無需人工監(jiān)督。這意味著Genie可以從視頻中自行識別不同動作的特征和模式。其能學(xué)習(xí)各種角色的動作、控制和行動。
Genie的獨特之處還在于它能夠?qū)ｉT從互聯(lián)網(wǎng)視頻中學(xué)習(xí)細(xì)顆粒度的控制。Genie不僅能觀察哪些部分是可控制的，而且能根據(jù)生成的環(huán)境來推測出多種潛在的動作。
該模型接受單個圖像(無論是AI合成圖像、照片還是草圖)，并將其轉(zhuǎn)換為可玩的游戲，響應(yīng)用戶控件。從圖像到基本的交互環(huán)境一步到位。
用戶只需提供一張紙上的草圖、一幅完美的數(shù)字藝術(shù)作品，甚至是AI生成對2D世界的描述，Genie就會完成剩下的工作，幫用戶生成2D游戲。
谷歌官網(wǎng)稱，Genie專注2D平臺游戲和機器人技術(shù)的視頻，但方法通用，應(yīng)適用于任何類型領(lǐng)域并可擴展至更大的互聯(lián)網(wǎng)數(shù)據(jù)集。只需一張圖像就能創(chuàng)建全新的交互環(huán)境，這為生成和進(jìn)入虛擬世界的各種新路徑開啟了大門。
