DeepMind predstavio Genie 2: AI model za generisanje igrivih 3D svetova

DeepMind, istraživački ogranak kompanije Google za veštačku inteligenciju, predstavio je model pod nazivom Genie 2, koji je u stanju da generiše interaktivne, realistične scene iz jedne slike i tekstualnog opisa, poput “simpatičan humanoidni robot u šumi”. Kao naslednik ranije predstavljenog modela Genie, Genie 2 se pridružuje trci sa sličnim projektima kompanija kao što su World Labs Fei-Fei Li i izraelski startap Decart.

Kompanija tvrdi da Genie 2 može generisati “ogromnu raznolikost bogatih 3D svetova”, uključujući i one u kojima korisnici mogu izvoditi akcije poput skakanja i plivanja koristeći miš ili tastaturu. Trenirana na video zapisima, ova veštačka inteligencija može simulirati interakcije objekata, animacije, osvetljenje, fiziku, refleksije i ponašanje “NPC” likova (likova koje ne kontroliše igrač).

Mnoge simulacije koje pruža Genie 2 izgledaju poput visokobudžetnih video igara, što može biti posledica činjenice da su podaci za obuku uključivali snimke igranja popularnih naslova. Ipak, DeepMind, kao i mnoge AI laboratorije, nije otkrio detalje o metodama prikupljanja podataka, bilo iz konkurentskih razloga ili drugih.

Pitanje intelektualne svojine takođe se nameće. Kao Googleova podružnica, DeepMind ima neograničen pristup YouTube-u, a Google je ranije nagovestio da mu uslovi korišćenja omogućavaju da koristi YouTube video zapise za obuku modela. Međutim, ostaje otvoreno da li Genie 2 praktično stvara neovlašćene kopije video igara koje je “gledao”, što bi moglo biti predmet pravnih sporova.

DeepMind navodi da Genie 2 može generisati konzistentne svetove iz različitih perspektiva, poput pogleda iz prvog lica ili izometrijskog prikaza, u trajanju do jednog minuta, pri čemu većina scena traje između 10 i 20 sekundi.

“Genie 2 inteligentno reaguje na akcije koje korisnik preduzme pritiskom tastera na tastaturi, identifikujući lik i pravilno ga pomerajući“, navodi se u blog postu kompanije, prenosi TechCrunch. “Na primer, naš model može zaključiti da tasteri sa strelicama treba da pomeraju robota, a ne drveće ili oblake.”

Dok većina modela sličnih Genie 2—tzv. “modela sveta”—može simulirati igre i 3D okruženja, često se susreću sa problemima poput artefakata, nedoslednosti i “halucinacija”. Na primer, Decartov Minecraft simulator, Oasis, ima nisku rezoluciju i brzo “zaboravlja” raspored nivoa.

Genie 2, međutim, može zapamtiti delove simulirane scene koji nisu trenutno vidljivi i tačno ih prikazati kada se ponovo pojave u vidokrugu. (Modeli kompanije World Labs takođe poseduju ovu sposobnost.)

Iako igre kreirane uz pomoć Genie 2 ne bi bile naročito zabavne zbog ograničenog trajanja simulacija, DeepMind pozicionira ovaj model kao istraživački i kreativni alat—sredstvo za prototipizaciju “interaktivnih iskustava” i evaluaciju AI agenata.

“Zahvaljujući sposobnosti Genie 2 za generalizaciju izvan distribuiranih podataka, konceptualna umetnost i crteži mogu se pretvoriti u potpuno interaktivna okruženja“, navodi DeepMind. “Koristeći Genie 2 za brzo kreiranje bogatih i raznovrsnih okruženja za AI agente, naši istraživači mogu generisati evaluacione zadatke koje agenti nisu videli tokom obuke.”

Međutim, kreativni profesionalci, posebno u industriji video igara, mogu imati pomešana osećanja. Nedavna istraga magazina Wired otkrila je da velike kompanije poput Activision Blizzard-a, koji je otpustio značajan broj zaposlenih, koriste AI tehnologije kako bi smanjile troškove, povećale produktivnost i nadoknadile fluktuaciju radne snage.

Bez obzira na to, Google intenzivno ulaže u istraživanje “modela sveta”, koji obećavaju da će biti sledeći veliki iskorak u oblasti veštačke inteligencije. U oktobru, DeepMind je angažovao Tima Brooksa, koji je predvodio razvoj OpenAI-jevog generatora videa Sora, da radi na tehnologijama za generisanje videa i simulaciju svetova. Pre dve godine, laboratorija je preuzela Tima Rocktäschela, poznatog po svojim eksperimentima sa “otvorenošću” u video igrama poput NetHack-a, iz kompanije Meta.