塔斯娱乐资讯网

谷歌发布Genie 4,但大多数人看错了它的真正用途。 谷歌DeepMind刚刚

谷歌发布Genie 4,但大多数人看错了它的真正用途。
谷歌DeepMind刚刚在Project Genie中,向Google AI Ultra订阅用户开放了世界模型Genie 4。如果你只把它当成“AI做游戏”的工具,那就完全看偏了。
相比此前的版本,Genie 4的核心变化在于“实时交互”与“原生音频”。它不再是生成一段固定的视频让你干看,而是允许你在浏览器的探索过程中,随时打字修改天气、加入角色或改变动作,环境音效与角色对话也会随之实时适配。
同时,同步更新的Genie 3将单次探索时长从60秒延长到了3分钟,并支持360度全景图生成与多场景串联。更关键的是,谷歌把Gemini模型直接接进了这个空间:它能实时观察屏幕动态,主动给出探索建议,甚至在互动场景里直接充当裁判、自动触发事件。
很多人拿它和传统游戏引擎对比,认为靠神经网络算出来的画面既费算力又不稳定,根本做不出《GTA》那样的商业大作。
这话没错,但谷歌压根没打算用它取代游戏引擎。从行业意义上看,Genie 4这类“世界模型”,本质上是在教AI理解物理世界的因果规律。大语言模型靠预测下一个词来理解语言,而世界模型靠预测下一帧画面与交互反馈,来学习重力、光线和动作后果。
谷歌自己也坦承,模型目前在镜头延迟、复杂物理交互和长期场景记忆上仍有硬伤,但这并不妨碍它指明真正的方向。今年2月,同属谷歌系的Waymo就已经公布了利用世界模型进行自动驾驶仿真训练的方案。在现实中训练机器人成本高、风险大,世界模型能提供无限的合成环境,让具身智能在真实行动前,先在模型里推演一遍后果。
过去两年AI学会了读写和看图,接下来它要补上的关键一课,是理解物理世界的运行规则。看懂“生成视频”和“模拟世界”的区别,你才算真正看懂了AI的下半场。