Google DeepMind 近日向美國地區的 Google AI Ultra 訂閱用戶開放了名為「Project Genie」（Genie 計畫）的實驗性研究原型。這項計畫旨在讓使用者親身體驗並創造屬於自己的互動式虛擬世界，標誌著該公司在通用人工智慧與生成式媒體領域的又一重要探索。
從世界模型到互動原型
Google DeepMind 於去年八月預覽了其通用世界模型 Genie 3。與傳統的靜態 3D 影像不同，Genie 3 能夠即時生成使用者移動與互動時前方的路徑，模擬動態世界的物理與互動。這種突破性的連續性使其得以模擬幾乎任何現實場景，從機器人技術、動畫與小說建模，到探索地點與歷史背景。
在與來自各產業領域的受信任測試者進行模型研究後，Google DeepMind 選擇以 Project Genie 作為下一步的實驗原型。此舉是為了讓更多使用者能親手操作這項技術，深入了解人們將如何在人工智慧研究與生成式媒體的各個領域中運用世界模型。
Genie 計畫的核心運作機制
Project Genie 是一個由 Genie 3 模型、Nano Banana Pro 以及 Gemini 技術驅動的原型網頁應用程式。其體驗圍繞著三項核心功能建構，旨在提供沉浸式的世界創造與探索。
第一項功能是「世界素描」。使用者可以透過文字提示，結合生成或上傳的影像，來創造一個生動且不斷擴展的環境。使用者不僅能創造角色與世界，更能定義探索世界的方式，無論是步行、騎乘、飛行或駕駛皆可。
為實現更精確的控制，該功能與 Nano Banana Pro 整合，允許使用者在進入世界前預覽其樣貌，並透過修改圖像來微調世界設定。使用者也能定義角色的視角，例如第一人稱或第三人稱，從而控制在進入場景前的體驗方式。
沉浸式探索與創意再混合
第二項核心功能是「世界探索」。使用者所創造的世界是一個可供導航的環境，等待被探索。當使用者移動時，Project Genie 會根據其採取的行動即時生成前方的路徑，使用者也能在穿越世界時調整攝影機視角。
第三項功能則是「世界再混合」。使用者可以在現有世界的提示基礎上進行建構，將其重新混合成新的詮釋。為了提供靈感，原型中設有展示精選世界的藝廊與隨機產生器，使用者可以瀏覽這些世界，或以其為基礎進行再創作。完成創作後，使用者可以下載其世界與探索過程的影片。
負責任的開發與當前限制
作為 Google Labs 旗下的一項實驗性研究原型，Project Genie 的開發秉承著負責任地構建人工智慧以造福人類的使命。由於 Genie 3 仍屬早期研究模型，目前存在一些已知的待改進領域。
生成的世界可能看起來不完全逼真，或並非總是緊密遵循提示、影像內容或真實世界的物理定律。角色的操控性有時較低，或可能出現較高的控制延遲。此外，生成內容目前限制在六十秒以內。該原型也尚未包含去年八月宣布的 Genie 3 部分模型能力，例如可提示的事件功能，該功能能在使用者探索時改變世界。
未來展望與開放時程
Project Genie 的初期訪問權限已開始向美國地區年滿十八歲的 Google AI Ultra 訂閱用戶開放，並將在適當時候擴展至更多地區。Google DeepMind 期待看到使用者創造出無限多元的世界，其長期目標是讓這項體驗與技術能夠提供給更廣泛的使用者群體。這項計畫不僅是技術的展示，更是對未來互動式內容創作與人工智慧應用可能性的一次重要探路。
參考來源：https://blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie/?utm_source=www.therundown.ai&utm_medium=newsletter&utm_campaign=xai-s-grok-imagine-climbs-the-leaderboards&_bhlid=eaeeb7b9688f370842f95da3b0e6ce785e5498ff
