Google Genie 3 оживляет твой 3D-мир с помощью AI

5 августа 2025 года Google DeepMind выпустила последнюю версию модели Genie, известную как Genie 3. Это новая модель AI, которая преобразует текстовые подсказки пользователя в динамичные интерактивные среды.

Эти среды, или AI-миры, позволяют пользователю перемещаться по ним и взаимодействовать с ними в реальном времени — почти как в видеоигре. Пользователи также могут расширять или изменять среду с помощью дополнительных текстовых подсказок, внося изменения на лету без перезапуска симуляции.

Genie 3, последняя модель Google Genie, особенно важна благодаря возможности использовать её для обучения AI-агентов. Это предполагает обучение AI-агентов принятию решений или выполнению задач с использованием данных и обратной связи. Используя симулированную 3D-среду вместо реального мира, исследователи могут избежать многих проблем, затрат и рисков, связанных с обучением в реальных условиях.

Google Genie 3 также может симулировать сложные сценарии, например испытание автономного автомобиля, движущегося в условиях сильной непогоды, или полёт человека в вингсьюте над горной местностью.

В этой статье мы рассмотрим Google Genie 3 и его возможности. Начнём!

Рис. 1. Кадр из симуляции Genie 3 с полётом человека в вингсьюте. (Источник)

Краткая история моделей Google Genie#

Прежде чем перейти к моделям Genie от Google DeepMind, давай лучше разберёмся, что такое мировые модели.

Мировые модели — это AI-системы, которые изучают правила реального мира, такие как физика, движение и пространственные взаимосвязи, на основе текста, изображений, видео и данных о движении датасетов. Это позволяет им создавать реалистичные сцены и предсказывать, как они будут развиваться. Модели Genie — примеры таких систем.

Вот краткий обзор более ранних моделей Google Genie, которые проложили путь к Genie 3:

• Genie 1: Genie 1, которую часто называют просто Google Genie, была первой мировой моделью AI от Google DeepMind, способной создавать интерактивные виртуальные среды. Пользователи могли описать мир с помощью текста, изображений, фотографий или даже набросков, а Genie создавала его и позволяла управлять действиями внутри сцены. Модель была разработана для обработки видеоданных во времени, предсказания следующего кадра и преобразования пользовательских вводов в действия внутри мира.

• Genie 2: Развивая возможности Google Genie, Genie 2 могла создавать широкий спектр детализированных интерактивных 3D-миров. Как мировая модель, она симулировала виртуальные среды и реалистично реагировала на такие действия, как прыжки, плавание или перемещение объектов. Обученная на огромной коллекции видео, она обеспечивала реалистичное взаимодействие объектов и естественные движения персонажей.

Что такое Genie 3? Новая AI-модель Google#

Развивая предыдущие модели Genie, Genie 3 стала последней и самой совершенной моделью в серии. В её основе лежат прежде всего Genie 2, способная создавать новые виртуальные среды, и Veo 3 — последняя модель Google DeepMind для генерации видео. Veo 3 демонстрирует глубокое понимание физики и взаимодействия объектов в реальном мире.

В то время как Veo 3 использует физический движок с жёстко заданными правилами, Google Genie 3 самостоятельно изучает принципы физики с помощью метода, известного как обучение с самоконтролем. Это метод обучения AI, при котором модель AI изучает закономерности и взаимосвязи в неразмеченных данных, создавая собственные обучающие сигналы.

Способность Google Genie 3 к обучению с самоконтролем имеет решающее значение для обучения AI-систем, таких как AI-агенты или AI-роботы, выполнению различных задач. Фактически исследователи Google DeepMind считают Genie 3 важным шагом на пути к созданию искусственного общего интеллекта (AGI).

Рис. 2. Пример использования Google Genie 3 для симуляции управления роботизированным вездеходом. (Источник)

AGI — это теоретическая форма AI, которая может понимать и изучать любые задачи или предметные области и применять эти знания в разных ситуациях, подобно человеку. В отличие от современных моделей искусственного интеллекта, созданных для конкретных задач и испытывающих трудности с переносом навыков на новые проблемы, AGI сможет адаптироваться и учиться в самых разных контекстах.

Ключевые особенности Google Genie 3, связанные с созданием AI-мира#

Вот некоторые ключевые возможности Genie 3:

• Генерация 3D-мира по тексту: модель может преобразовать простую текстовую подсказку (например, «робот идёт по улице») в игровую 3D-подобную среду с базовыми элементами управления движением.

• Мировые события по подсказке: пользователи могут динамически изменять среду, вводя новые команды (например, добавить дождь на улицу).

• Визуальная память: Genie 3 может запоминать оставленные в среде объекты и позволять возвращаться к ним позже; память сохраняется около одной минуты.

• Плавный и стабильный вывод видео: модель может поддерживать вывод видео со скоростью 24 fps (кадров в секунду) в разрешении 720p, обеспечивая более длительное взаимодействие по сравнению с Genie 2.

Рис. 3. Google Genie 3 может создавать результаты, которые сохраняются дольше результатов Genie 2. (Источник)

От образования до игр: применение Google DeepMind Genie 3#

Google Genie 3 может сделать обучение, исследования и тренировки более захватывающими и вовлекающими. Например, в классе она может оживить историю, естественные науки или географию, позволяя ученикам исследовать древние города или путешествовать по космосу. Аналогично, разработчикам искусственного интеллекта она предлагает реалистичные виртуальные миры для отработки стратегий, преодоления трудностей и развития навыков принятия решений.

Учёные также могут использовать её для создания контролируемых симуляций, проверки идей, изучения экосистем или наблюдения за поведением объектов. Ещё одно интересное применение — разработка видеоигр. Разработчики игр могут превращать текстовые подсказки в детализированные игровые миры, ускоряя разработку и снижая потребность в больших командах.

Рис. 4. С помощью Genie 3 можно создавать весёлые, красочные и интерактивные игры. (Источник)

Ограничения Google Genie 3 как мировой модели#

Хотя Google Genie 3 предлагает множество функций и преимуществ, важно учитывать и её недостатки.

Вот некоторые ограничения, которые следует учитывать:

• Ограниченный набор действий: хотя в виртуальном мире можно запускать множество событий, не все они выполняются самим агентом. Действия, которые агент может выполнять напрямую, по-прежнему ограничены.

• Взаимодействие с другими агентами: создание реалистичного взаимодействия между несколькими независимыми агентами в одной среде всё ещё находится в процессе разработки.

• Точность воспроизведения реального мира: Google Genie 3 пока не может воссоздавать реальные места с идеальной географической точностью.

Основные выводы#

Google Genie 3 представляет собой значительный прогресс в создании реалистичных интерактивных 3D-миров с помощью AI. Она может воплощать идеи в жизнь на основе простых текстовых подсказок, симулировать физику и даже обучать AI-системы в безопасных виртуальных пространствах.

Несмотря на сохраняющиеся ограничения, она открывает множество возможностей для исследований, игр и разработки AI. Это также важный шаг к системам AGI, способным думать и учиться более по-человечески.

Загляни в наш репозиторий на GitHub, чтобы узнать больше об AI. Присоединяйся к нашему активному сообществу и знакомься с инновациями в таких сферах, как AI в розничной торговле и компьютерное зрение с применением AI в производстве. Чтобы начать работу с компьютерным зрением уже сегодня, ознакомься с нашими вариантами лицензирования.