你好，我是郭震！
今日谷歌DeepMind釋出Genie2，下面是我對此模型的一個基本分析。
這個模型如何玩呢？比較簡單，我們只需要輸入：
下面一張圖+下面一段提示詞：
提示詞：一個電腦遊戲場景，展示了一個粗獷的石洞或礦洞內部。畫面採用第三人稱視角，鏡頭從主角後方稍高處俯視。主角是一名手持長劍的騎士，站在三座石砌的拱門前。第一座拱門後，可以看到隧道內生長著散發著熒光的綠色奇異植物，給人一種夢幻的感覺。第二座拱門通向一條長廊，洞壁上佈滿鉚接的鐵板，遠處隱約透出一種不安的光芒。第三座拱門內是一段粗糙的石階，蜿蜒向上通往未知的高處，增添了探索的神秘感。
然後模型就會輸出下面三段互動影片，注意看：
很有意思！
透過鍵盤和滑鼠我們可以操控遊戲玩家通往哪個門：
比如通往
第三座拱門
：
操控玩家進入第一座拱門：
操控玩家進入第二座拱門：
是的，太神奇了，要知道，只需要輸入一張圖+一段提示詞，就能玩到這個高度！
不得不驚歎，這樣多種互動效果。
那麼，Genie2是個啥樣子模型呢？
Genie2 是 Google DeepMind 開發的先進AI模型，能夠根據文字或影像提示生成可互動的 3D 虛擬世界。
接下來初步總結Genie2的最大三個特點：
第一，Genie2作為世界模型，能夠多視角模擬物理世界。
證明它能夠模擬物理世界，幾個影片：
1）模擬不同角色、不同姿態的飛行：
2）模擬物理世界的重力效果，仔細看，這效果確實夠逼真：
再看這個影片，模擬馬起跳又受到重力下降的畫面，真的足夠逼真了：
模擬物理世界的光源，注意看右下角，代表不同視角看世界：
第二，Genie2不光能夠生成影片，更加激動人心的是，它可以和人類互動，這個簡直不能再友好了！
再上證據。如下所示，輸入：開啟每扇門的指令，使用Genie 2生成了一個包含兩扇門（藍色和紅色）的3D環境。
接下來它就開始表演了，我們能透過鍵盤和滑鼠來控制遊戲角色，而Genie 2負責即時生成遊戲畫面：
哪些影片可以證明其互動能力？
接著看。
能夠透過箭頭鍵，控制移動機器人，這個看起來容易，但是背後實現難度不小，模型需要計算出移動角色，而不是金字塔，
也不是移動樹木，而是透過箭頭鍵移動角色：
第三個最大特點，推斷並生成一致的潛在動作，具備自主學習和環境理解能力。
看看下面的風吹草動：
看看智慧體間的相互建模和學習：
以上，對於每個人類與Genie 2互動的demo，模型僅需要單張圖片+提示詞輸入，
然後就生成了上面的互動影片。
在長達一分鐘的時間裡，Genie 2可以生成一個一致的世界，持續時間直接長達10-20秒！
生成一個一致的世界長達10-20秒，是很有挑戰的。
接下來，任何人都可以用文字描述自己想要的世界，選擇自己喜歡的圖片，
然後進入這個新建立的世界，並且可以使用鍵盤和滑鼠與之互動，
哇，真的amazing！
難怪有網友留言，直呼：駭客帝國要來：
AGI的到來，看來已經並不遙遠了。
Genie 2 已經學了超過 20 萬小時的未標註網際網路影片，這是一個什麼概念？
如果一個人每天堅持觀看3小時的影片，完成20萬小時的觀看量，需要約：
183年
183年，我的天呢！Genie 2還真是個機器。
大家要想更好進入這些公司，可以多積累技能，對AI感興趣的，可以去「AI免費學習網」 ，訪問地址如下，160門相關教程，算是比較全面了，全部免費：
https://zglg.work
網站最近上新《大模型開發LangChain》的教程，下面其中一個截圖：
我還寫了一個40+頁的《普通人學AI》.PDF，只需在下面我的公眾號回覆：
AI
，即可免費領取：
希望這些教程和資料，能幫助到你！如果覺得對你有用，可以點贊、轉發和在看。謝謝你看我的文章，我們下篇再見！