Google Genie 3 đưa thế giới 3D của bạn vào cuộc sống bằng AI

Ngày 5 tháng 8 năm 2025, Google DeepMind phát hành phiên bản mới nhất của model Genie, có tên Genie 3. Đây là một model AI mới có thể chuyển prompt văn bản của người dùng thành các môi trường động, có tính tương tác.

Các môi trường này, hay thế giới AI, cho phép người dùng điều hướng và tương tác với chúng theo thời gian thực, giống như trong trò chơi điện tử. Người dùng cũng có thể mở rộng hoặc chỉnh sửa môi trường bằng cách cung cấp thêm prompt dạng văn bản, cho phép thay đổi ngay lập tức mà không cần khởi động lại mô phỏng.

Điểm khiến model Genie mới nhất của Google có sức ảnh hưởng đặc biệt là khả năng dùng model này để huấn luyện các agent AI. Quá trình này bao gồm việc dạy các agent AI đưa ra quyết định hoặc thực hiện tác vụ bằng dữ liệu và phản hồi. Bằng cách sử dụng môi trường 3D mô phỏng thay vì thế giới thực, các nhà nghiên cứu có thể tránh được nhiều thách thức, chi phí và rủi ro khi huấn luyện trong thế giới thực.

Google Genie 3 cũng có thể mô phỏng các tình huống phức tạp, chẳng hạn như thử nghiệm một ô tô tự lái di chuyển trong thời tiết khắc nghiệt hoặc người mặc wingsuit lượn qua địa hình đồi núi.

Trong bài viết này, chúng ta sẽ khám phá Google Genie 3 và các khả năng của model. Hãy bắt đầu!

Hình 1. Khung hình từ mô phỏng Genie 3 cho thấy người mặc wingsuit đang lượn. (Nguồn)

Lược sử các model Genie của Google#

Trước khi tìm hiểu các model Genie của Google DeepMind, hãy cùng tìm hiểu rõ hơn về world model.

World model là các hệ thống AI học những quy luật trong thế giới thực như vật lý, chuyển động và quan hệ không gian từ văn bản, hình ảnh, video và dataset chuyển động. Nhờ đó, chúng có thể tạo ra các cảnh chân thực và dự đoán diễn biến của các cảnh đó. Các model Genie là ví dụ về những hệ thống như vậy.

Dưới đây là tổng quan nhanh về các model Google Genie trước đây, tạo tiền đề cho Genie 3:

• Genie 1: Genie 1, thường được gọi đơn giản là Google Genie, là world model AI đầu tiên của Google DeepMind có khả năng tạo môi trường ảo tương tác. Người dùng có thể mô tả một thế giới bằng văn bản, hình ảnh, ảnh chụp hoặc thậm chí là bản phác thảo; Genie sẽ tạo ra thế giới đó, cho phép họ điều khiển các hành động trong cảnh. Model được thiết kế để xử lý dữ liệu video theo thời gian, dự đoán khung hình tiếp theo và chuyển đầu vào của người dùng thành hành động trong thế giới ảo.

• Genie 2: Phát triển dựa trên các khả năng của Google Genie, Genie 2 có thể tạo ra nhiều thế giới 3D chi tiết và tương tác. Với vai trò là một world model, model mô phỏng môi trường ảo và phản hồi chân thực trước các hành động như nhảy, bơi hoặc di chuyển đồ vật. Được huấn luyện trên một tập hợp video khổng lồ, model có khả năng mô phỏng tương tác giữa các vật thể chân thực và chuyển động nhân vật sống động.

Genie 3 là gì? Model AI mới của Google#

Phát triển dựa trên các model Genie trước đó, Genie 3 là phiên bản mới nhất và tiên tiến nhất trong dòng model này. Model đặc biệt kế thừa Genie 2, có thể tạo môi trường ảo mới, và Veo 3, model tạo video mới nhất của Google DeepMind. Veo 3 thể hiện sự hiểu biết sâu sắc về vật lý và cách các vật thể tương tác trong thế giới thực.

Trong khi Veo 3 sử dụng engine vật lý được lập trình cố định, Google Genie 3 tự học cách thức hoạt động của vật lý bằng phương pháp có tên là học tự giám sát. Đây là một kỹ thuật học AI, trong đó model AI học các mẫu và mối quan hệ từ dữ liệu chưa gán nhãn bằng cách tự tạo tín hiệu học.

Khả năng học tự giám sát của Google Genie 3 đóng vai trò quan trọng trong việc huấn luyện các hệ thống AI, chẳng hạn như agent AI hoặc robot AI, để xử lý nhiều loại tác vụ. Trên thực tế, các nhà nghiên cứu tại Google DeepMind xem Genie 3 là một bước tiến quan trọng hướng tới việc tạo ra Trí tuệ nhân tạo tổng quát (AGI).

Hình 2. Ví dụ sử dụng Google Genie 3 để mô phỏng việc điều khiển một xe tự hành robot. (Nguồn)

AGI là một dạng AI mang tính lý thuyết, có thể hiểu và học bất kỳ tác vụ hoặc chủ đề nào, rồi áp dụng kiến thức đó trong nhiều tình huống khác nhau, tương tự con người. Khác với các model AI hiện nay được xây dựng cho những tác vụ cụ thể và gặp khó khăn khi chuyển giao kỹ năng sang vấn đề mới, AGI có thể thích nghi và học hỏi trong nhiều bối cảnh khác nhau.

Các tính năng chính của Google Genie 3 liên quan đến việc xây dựng thế giới AI#

Dưới đây là một số tính năng chính mà Genie 3 hỗ trợ:

• Tạo thế giới 3D từ văn bản: Model có thể biến một prompt văn bản đơn giản (ví dụ: “một robot đi bộ trên phố”) thành môi trường dạng 3D có thể chơi được, với các điều khiển chuyển động cơ bản.

• Sự kiện trong thế giới có thể điều khiển bằng prompt: Người dùng có thể thay đổi môi trường một cách linh hoạt bằng cách nhập lệnh mới (ví dụ: thêm mưa trên phố).

• Trí nhớ thị giác: Genie 3 có thể ghi nhớ các vật thể được để lại trong môi trường và cho phép bạn quay lại xem chúng sau đó; khả năng ghi nhớ kéo dài khoảng một phút.

• Đầu ra video mượt mà và nhất quán: Model có thể duy trì đầu ra video ở mức 24 fps (khung hình mỗi giây) với độ phân giải 720p, đồng thời duy trì tương tác lâu hơn so với Genie 2.

Hình 3. Google Genie 3 có thể tạo đầu ra với thời lượng dài hơn đầu ra của Genie 2. (Nguồn)

Từ giáo dục đến trò chơi: Các ứng dụng của Genie 3 từ Google DeepMind#

Google Genie 3 có thể giúp hoạt động học tập, nghiên cứu và huấn luyện trở nên sống động và hấp dẫn hơn. Ví dụ, trong lớp học, model có thể tái hiện lịch sử, khoa học hoặc địa lý bằng cách cho phép học sinh khám phá các thành phố cổ hoặc du hành vào không gian. Tương tự, với các nhà phát triển AI, model cung cấp những thế giới ảo chân thực để thực hành chiến lược, vượt qua thử thách và cải thiện kỹ năng ra quyết định.

Các nhà khoa học cũng có thể sử dụng model để tạo mô phỏng có kiểm soát nhằm thử nghiệm ý tưởng, nghiên cứu hệ sinh thái hoặc quan sát hành vi của vật thể. Một ứng dụng thú vị khác là phát triển trò chơi điện tử. Nhà phát triển trò chơi có thể chuyển prompt văn bản thành các thế giới trò chơi chi tiết, đẩy nhanh quá trình phát triển và giảm nhu cầu về đội ngũ lớn.

Hình 4. Có thể thiết kế các trò chơi vui nhộn, đầy màu sắc và có tính tương tác bằng Genie 3. (Nguồn)

Những hạn chế của Google Genie 3 với vai trò world model#

Google Genie 3 có nhiều tính năng và lợi ích, nhưng cũng cần cân nhắc những hạn chế của model.

Dưới đây là một số hạn chế cần lưu ý:

• Phạm vi hành động hạn chế: Dù có thể kích hoạt nhiều sự kiện trong thế giới ảo, không phải sự kiện nào cũng do chính agent thực hiện. Các hành động mà agent có thể trực tiếp thực hiện vẫn còn hạn chế.

• Tương tác với các agent khác: Việc tạo ra tương tác chân thực giữa nhiều agent độc lập trong cùng một môi trường vẫn đang trong quá trình phát triển.

• Độ chính xác trong thế giới thực: Google Genie 3 hiện chưa thể tái tạo các địa điểm trong thế giới thực với độ chính xác địa lý tuyệt đối.

Điểm chính cần ghi nhớ#

Google Genie 3 là bước tiến đáng kể trong việc tạo ra các thế giới 3D chân thực, có tính tương tác bằng AI. Model có thể biến ý tưởng thành hiện thực từ những prompt văn bản đơn giản, mô phỏng vật lý và thậm chí huấn luyện các hệ thống AI trong không gian ảo an toàn.

Dù vẫn còn hạn chế, model mở ra nhiều khả năng cho nghiên cứu, trò chơi và phát triển AI. Đây cũng là bước tiến quan trọng hướng tới các hệ thống AGI có khả năng tư duy và học hỏi giống con người hơn.

Truy cập repository GitHub của chúng tôi để tìm hiểu thêm về AI. Tham gia cộng đồng năng động của chúng tôi và khám phá những đổi mới trong các lĩnh vực như AI trong ngành bán lẻ và AI thị giác trong sản xuất. Để bắt đầu với thị giác máy tính ngay hôm nay, hãy xem các tùy chọn cấp phép của chúng tôi.