DeepMind 的 Genie 3：突破性世界模型為通用人工智慧鋪路

Google DeepMind 發布了 Genie 3，這是其最新的基礎世界模型，代表人工智慧領域的重大躍進。這項於 2025 年 8 月發布的突破性技術，能夠從簡單的文字提示或圖像生成互動式、逼真的 3D 環境，讓使用者能夠即時導航並與這些虛擬世界互動。雖然先前的 AI 模型已在生成靜態圖像或短影片片段方面展現令人印象深刻的能力，但 Genie 3 代表了更加雄心勃勃的目標：一個能夠創建並維持一致性、互動式虛擬環境的系統，能夠動態回應使用者輸入。

建立在其前身 Genie 1 和 Genie 2 的基礎上（這兩個版本在去年才推出），Genie 3 在幾個關鍵領域展現了顯著進展。最值得注意的改進在於其維持長時間視覺一致性的能力。雖然 Genie 2 只能保持約 10-20 秒的細節，但 Genie 3 能夠一次維持數分鐘的連貫性。這代表 DeepMind 研究人員所稱的「長期記憶」方面的戲劇性增強，讓生成環境中的互動更加有意義。

此外，Genie 3 的視覺保真度遠超其前身，能夠即時算繪 720p 解析度和每秒 24 幀的環境。根據 DeepMind 研究總監 Shlomi Fruchter 的說法，「Genie 3 是首個即時互動的通用世界模型。它超越了以往存在的狹義世界模型。它不特定於任何特定環境。它可以生成逼真和想像的世界，以及介於兩者之間的一切。」這種多功能性為各個領域開啟了廣泛的潛在應用，從娛樂和教育到研究開發。

讓 Genie 3 特別令人印象深刻的是其對物理學和空間關係的精密理解。與依賴硬編碼物理引擎的傳統模擬系統不同，Genie 3 透過訓練發展出對物體在物理世界中如何互動的直覺掌握。正如 Fruchter 向 TechCrunch 解釋的，「這個模型是自回歸的，意味著它一次生成一個幀。它必須回顧之前生成的內容來決定接下來會發生什麼。這是架構的關鍵部分。」這種自回歸方法讓模型能夠維持一致性並創造可信的物理互動，而無需明確的程式設計。

Genie 3 最令人興奮的功能或許是 DeepMind 所稱的「可提示世界事件」，讓使用者能夠即時修改生成的環境。透過文字提示，使用者可以改變天氣條件、新增或移除物體，或在場景中引入新角色。這種動態控制水準創造了以往 AI 系統無法想像的創意實驗和探索可能性。

通用人工智慧之路

雖然 Genie 3 在遊戲、教育體驗和創意原型設計等領域的直接應用顯而易見，但 DeepMind 強調其主要意義在於對實現通用人工智慧（AGI）的潛在貢獻。AGI 代表一種假設性的 AI 形式，能夠執行人類可以完成的任何智力任務，而非專門針對特定功能。根據 DeepMind 開放性團隊的研究科學家 Jack Parker-Holder 的說法，「我們認為世界模型是通往 AGI 路徑上的關鍵，特別是對於具身代理，在這方面模擬真實世界場景特別具有挑戰性。」

像 Genie 3 這樣的世界模型與 AGI 發展之間的連結既直接又深刻。要開發真正智慧的系統，研究人員需要 AI 代理能夠學習、探索並透過互動發展理解的環境——類似於人類學習世界的方式。Genie 3 正好提供了這一點：豐富模擬環境的無限課程，代理可以在多樣化場景中接受各種任務的訓練。

DeepMind 已經開始使用其可擴展指導多世界代理（SIMA）測試 Genie 3，指導它在生成環境中完成特定任務。例如，在倉庫環境中，SIMA 代理成功執行了「接近亮綠色垃圾壓縮機」或「走向裝載的紅色堆高機」等指令。代理能夠達成這些目標的事實證明了 Genie 3 隨時間對環境的一致表示，這是有效 AI 訓練的關鍵因素。

目前的限制與挑戰

儘管具有令人印象深刻的能力，Genie 3 仍有研究人員承認的幾項限制。該模型只能支援幾分鐘的連續互動，而理想情況下需要數小時才能進行全面訓練。此外，雖然 Genie 3 對物理學有精密的理解，但一些演示顯示了不準確性，例如未能顯示與滑雪者相關的真實雪花移動。代理在環境中可採取的行動範圍也主要限於導航，更複雜的互動仍在開發中。

此外，Genie 3 無法以地理精度準確模擬真實世界位置，在準確的文字算繪和複雜的人類運動方面仍有困難。最重大的挑戰之一仍然是在共享環境中建模多個獨立代理之間的互動，這對開發更精密的多代理系統至關重要。

儘管如此，這項技術代表了教導 AI 代理超越單純對輸入做出反應的引人注目的進步。透過 Genie 3，代理可能能夠規劃、探索、尋求不確定性，並透過試錯改進——這種自主驅動的具身學習類型，許多專家認為對朝向通用智慧發展至關重要。

具身 AI 的未來

Parker-Holder 在討論 Genie 3 的潜在影響時，提到了 AI 歷史上一個著名時刻的有趣類比：「我們還沒有真正為具身代理迎來第 37 手的時刻，讓它們能夠在真實世界中採取新穎行動。」這指的是 2016 年 DeepMind 的 AlphaGo 與世界冠軍李世乭的傳奇對戰，其中 AlphaGo 下出了一步非傳統但精彩的棋，成為 AI 能夠發現超越人類理解策略的象徵。Parker-Holder 表示，透過 Genie 3，「我們可能迎來具身 AI 類似突破的新時代」。

目前，Genie 3 仍處於研究預覽階段，尚未公開發布。DeepMind 計劃向一群精選的專家和研究人員提供存取權限，他們將協助完善模型，長期願景是讓世界模型對更廣泛的受眾更加可及。雖然即時執行如此複雜系統的運算需求無疑相當龐大，但 DeepMind 在 Genie 3 方面的進展證明，我們正穩步邁向一個 AI 不僅能理解我們的世界，還能創造並維持自己世界的未來。

隨著世界模型持續演進，它們可能在 AI 研究和開發中扮演越來越核心的角色，可能加速朝向更通用和更有能力的人工智慧系統的進展。Genie 3 在這個旅程中是一個卓越的里程碑，展示了當尖端 AI 研究與雄心勃勃的願景和實際實施相結合時的可能性。