DeepMind Genie 3 създава интерактивни симулации в реално време

Google DeepMind разширява границите на възможното с най-новата си разработка. Става дума за Genie 3, който идва седем месеца след анонса на Genie 2. С него е необходимо само заявка или изображение, за да се създаде интерактивен свят.

Тъй като средата се генерира непрекъснато, тя може да се променя в движение. Можете да добавяте или променяте обекти, да променяте метеорологичните условия или да вмъквате нови герои. Възможността да се създават променящи се 3D среди може да направи игрите по-динамични и да предложи на разработчиците нови начини да доказват концепции и дизайни на нива.

Изкушаващо е да се мисли за Genie 3 просто като начин за създаване на игри, но DeepMind го разглежда и като инструмент за изследвания. Игрите имат значителна роля в развитието на изкуствения интелект, защото предоставят предизвикателни, интерактивни среди с измерим напредък.

Световите модели пренасят това на следващото ниво, като генерират интерактивна среда кадър по кадър. Това предоставя възможност да се усъвършенства поведението на моделите на изкуствения интелект. Едно от основните ограничения, с които се сблъскват компаниите в стремежа си към постигане на изкуствен общ интелект (AGI), е недостигът на надеждни данни за обучение. След като са въвели практически всички уеб страници и видеоклипове на планетата в моделите на изкуствения интелект, изследователите се обръщат към синтетични данни за много приложения. DeepMind вярва, че световните модели могат да бъдат ключова част от тези усилия, тъй като могат да се използват за обучение на агенти на изкуствения интелект с практически неограничени интерактивни светове.

DeepMind твърди, че Genie 3 е важно постижение, защото предлага много по-висока визуална точност от Genie 2 и е наистина в реално време. Чрез клавиатурата е възможно да се навигира в симулирания свят с резолюция 720p при 24 кадъра в секунда.

Едно от най-очевидните ограничения на Genie 2 беше паметта, която достигаше около 10 секунди в повечето симулации. Подобно на чатбот, който надхвърля контекстуалния си прозорец, моделът забравяше как изглеждаха части от света, след като те изчезнаха от погледа му за кратко време. Хоризонтът за Genie 3 е много по-дълъг, разширявайки границите на моделите на света с няколко минути визуална последователност.

Способността да запазва детайли в продължение на няколко минути може да отвори врати за повече приложения, но екипът признава, че в идеалния случай бихте искали моделът да остава последователен поне в продължение на часове. Моделът също не може да симулира реални места.

DeepMind планира да предостави достъп до решението на група експерти и изследователи, които ще помогнат за усъвършенстването на модела.