谷歌周一发布了一种新的AI模型Genie，可以接收文本提示、草图或想法，将其变成一个可以互动和玩耍的虚拟世界。
Genie拥有110亿个参数，由三部分组成，一个时空视频标记器、一个自回归动力学模型，以及一个简单且可扩展的潜在行动模型。
Genie通过了互联网上超过20万小时的2D游戏视频训练，目前还是一个研究预览版。它是在无监督和无标签视频的情况下进行训练的，能够学习各种角色的动作、控制和行动。
用户只要提供一段文本、一张草图，甚至一个想法，Genie就会生成一款2D游戏。Genie可以将任何图像转换成可互动的2D世界。
与Sora呈现出的高清晰度和高真实度相比，Genie似乎不那么在意画面真实性，而是将重点放在潜在动作预测上。
虽然距离全息甲板还有一段路要走，但有一天走进一个房间，用几句话创造一场完全互动的冒险是可能的。
Genie的上市日期尚未确定，以及是否会成为真正的产品还不清楚。但其用于内容生成的潜在技术和新方法，包括通向开放世界的未标记学习。
Genie带来的另一个重大突破是对真实世界物理的更深入理解，可以用于训练机器人更有效地导航环境，或完成训练中没有经历过的任务。
谷歌称，Genie开启了图/文生成交互世界的时代，还将成为实现通用AI代理的催化剂。