文:蔡宗桓
AI發展速度可謂日新月異。繼2月中OpenAI展示驚人的Sora模型之後，稍早前，Google收購的英國AI公司DeepMind也拋出震撼彈，公佈最新開發的AI基礎世界模型Genie（Generative Interactive Environments）的範例視頻，聲稱用戶能無需事先在遊戲機制及運作上接受訓練，即可通過提供Genie文字或圖片提示的方式，來指示它產出互動式動畫遊戲，可謂是技驚四座，鋒頭一時無兩。
Google DeepMind披露，Genie是一款能生成互動環境的模型，據了解，這模型是利用公開且長達20萬小時的網絡視頻訓練而成。與Sora不同的地方在於，Genie能創建出 “可操控的世界”，不單單只是視頻。
此外，Genie還有一個令人印象深刻的部份，即其數百小時的訓練雖是在無人監督下完成，但它卻仍能對物理有深入理解，而這也使得Genie能理解遊戲機制的不同層面，如玩家的控制、動作和移動。
Genie的一大特色就是根據文字或圖片來創建一個能與用戶產生互動的2D遊戲世界。
Google DeepMind的開發者Tim Rocktaschel通過網絡發文說：“我們的模型能把任何圖像轉換為可玩的2D遊戲世界，甚至把一張草圖變為遊戲。”
值得一提的是，Tim還說，Genie不僅能夠打造電子遊戲，同時還具有向其他AI模型傳授有關3D世界知識的潛力。
“我們在沒有動作資訊的機器人控制模型（RT-1）上訓練Genie，並證明它也可以在那裡學習並打造出一個可控制動作的模擬器，我們認為，這是邁向AGI 通用世界模型的一大步。”
由此看來，似乎未來即使是在缺乏明確動作指令的情況下，實體機器人甚至也能在現實世界中完成從沒被訓練過的任務。
近幾個月來，Google已釋出多則生成式AI模型的產品或資訊，包括最強AI顧問“Gemini”、文字轉影片生成工具”Lumiere”、以及關鍵字圖片生成工具“ImageFX”，無不吸引大眾目光。
然而，Gemini早前在生成圖像時涉及種族爭議，並造成母公司Alphabet單日股價下跌逾4%的情況也不可不防，而Google隨後也已暫時把Gemini的該項功能下架，並承諾將在未來幾週內修復有關問題。