谷歌DeepMind團隊展示了Genie模型,，能把草圖變成2D游戲,。

生成式人工智能可以通過語言、圖像甚至視頻生成創(chuàng)造性內容,。而DeepMind引入了生成式人工智能新范式——Genie（generative interactive environments,，生成式交互環(huán)境），根據(jù)單個圖像提示來生成“交互式可玩環(huán)境”,。該模型從游戲視頻中學習游戲機制后,，可以通過一個簡單提示創(chuàng)建2D平臺類游戲。

2月26日,，DeepMind表示,，Genie是一個從互聯(lián)網(wǎng)視頻中訓練出來的基礎世界模型，它可以根據(jù)合成圖像,、照片甚至草圖生成各種各樣動作可控的2D世界,，使人們能夠與他們想象的虛擬世界互動,。

“只需要一張圖片,，Genie就可以創(chuàng)建一個全新的互動環(huán)境?！?DeepMind表示,，這為生成和進入虛擬世界打開了大門。例如可以采用最先進的文生圖大模型來生成初始幀,，然后用Genie賦予它們“生命”,。

Genie的模型參數(shù)只有110億,，根據(jù)人類玩2D平臺類游戲的20多萬小時視頻進行無監(jiān)督訓練。Genie的出現(xiàn)要歸功于谷歌研究人員開發(fā)的可推斷視頻幀之間動作的潛在動作模型,、將原始視頻幀轉換為離散標記的視頻分詞器,，以及推測下一幀的動態(tài)模型。

DeepMind表示,，Genie的獨特之處在于,，它能夠在沒有動作標簽的情況下，完全從互聯(lián)網(wǎng)視頻中學習精細的控制,。這是一個挑戰(zhàn),，因為互聯(lián)網(wǎng)視頻通常沒有關于執(zhí)行哪個動作的標簽，甚至沒有關于應該控制圖像哪個部分的標簽,。

DeepMind開發(fā)人員蒂姆·羅克塔謝爾(Tim Rockt?schel)表示,，Genie學習各種潛在動作，以一致性控制角色,。Genie習得潛動作空間不僅具有多樣性和一致性,，并且具有可解釋性。此外,，Genie模型是通用的,，并不局限于2D。

DeepMind 在官方聲明中也表示,，Genie “專注于2D平臺類游戲和機器人的視頻”,，“但我們的方法是通用的，適用于任何類型的領域,，并可以擴展到更大的互聯(lián)網(wǎng)數(shù)據(jù)集,。”DeepMind認為,，Genie引入了一個能從圖像或文本生成整個交互式世界的時代,，它將成為訓練未來通才AI智能體的催化劑。

不過Genie是一個研究項目,，而不是最終產品,。它的訓練視頻是160 x 90像素的超低分辨率視頻，每秒只有10幀,，它生成的“游戲”同樣是低分辨率的,，每秒只有1幀?！霸撃Ｐ湍壳耙悦棵?幀的速度運行,，所以現(xiàn)在它離實時可玩還很遠?！钡倌贰ち_克塔謝爾表示,。