今天小編分享的科技經驗：AI要進步，居然得先學打遊戲？，歡迎閱讀。
開了眼了，上周編輯部還在說下半年感覺 AI 領網域沒啥大活兒了，結果沒過幾天就發現話放早了。
寧猜怎麼着，本來以為 AI 還停留在輸入文字，然後出圖出視頻的這些程度上，結果這兩天突然有幾個 AI 公司，都開始宣布人家可以生成世界了。
我勒乖乖，這不就是 AI 界做夢都想搞出來的 " 世界模型 " 嘛：能像人一樣理解這個真實世界的超級 AI ！
先是前幾天的 World Labs ，雖然大家可能沒聽說過，但人家創始人可是著名 AI 科學家、斯坦福大學教授、美國科學院院士、機器學習奠基人之一、有 AI 教母之稱的著名美籍華人科學家李飛飛。
在 World Labs 官網上說到，這是世界上第一個能直接渲染出完整 3D 場景的AI ，超越了傳統生成模型的單純像素預測，而且這場景還能有互動性和自由度。
說人話就是，這玩意跟以前的生圖生視頻模型不一樣了，只需要塞給它一張圖，人家就能給出一套空間建模，而且還能在裡面動。
雖然現在咱們還沒法用，但人家官網還是放出來一些案例給大家看。
大家一眼就會發現，這演示畫面裡咋有個鍵盤和滑鼠。
其實就是人家為了展示這生成出來的場景是有自由度滴，你可以自己用鍵鼠操作，在網頁上操作去試。
然而世超不建議大家去試，因為真的超卡，活動範圍也不大，還容易暈。。。
不過作為行業内首發，咱也是可以理解萬歲一波的。
但好巧不巧，李飛飛這東西發布才過了一天，還有高手。
谷歌 DeepMind 也出了一個 " 世界模型 " ，而且還是第二代，号稱能理解真實世界的運作規律。世超也跑去他們官網看了一圈，瞅瞅這個 Genie 2 ，到底怎麼個真實法。
先看人家的演示，輸入一句提示詞以後生成的效果。
該說不說，這瞅着确實也挺逼真的，有兩下子。
不過要是跟上面 World Labs 的 AI 對比的話，估計大家一眼就會發現，這個好像更加流暢，自由度也更高些。
實際上人家官網也說了，這是一個類似遊戲的基礎世界模型，在這裡面，你也一樣可以用 WASD ，空格和滑鼠來操控畫面裡的角色
甚至還可以生成第一人稱視角的版本！
而根據操作產生的畫面，則全部是由 AI 即時算出來的，甚至可以持續長達一分鍾時間。
而已經生成出來的畫面和建模，你要是操控鍵盤往回走，會發現之前是什麼樣現在還是什麼樣。
這就很離譜了，相當于生成出來的這個新世界，每一秒長啥樣這 AI 都是能記得住的。
除此之外，這裡面的角色和互動也很有看點。
光在運動上，就不止常規的步行，你可以跑可以跳，還可以爬梯子
甚至可以開車，還可以開槍射擊。
而裡面 AI 生的 npc 們，也是可以發生互動的
雖然這互動效果有點不盡人意，但還是能看出來動了的。
而在整個場景中，跟自然相關的運動場景也能搞出來 .
就比如水面 :
還有煙霧 :
還包括了重力和光線反射效果 :
哪怕你給出現實中的照片，它也能跟着模拟一下周圍的環境，瞅着跟谷歌地圖的街景似的。
雖然視覺效果着實挺牛逼的，不過，跟李飛飛那個一樣， DeepMind 的新模型也沒有給出來讓大家上手試，只在官網發布的他們測試的版本。
但根據世超平時測試這些 AI 的經驗嘛，甭管是大廠還是新勢力，官方給出來的演示那肯定都是精挑細選的好看的案例，真正要用的話，那估計還得降低一個級别的期待值。
不過這次比較好玩的是， DeepMind 也很實誠的說，他們這個還是一個早期的版本，自己測試的時候也會出現一些翻車案例。
就比如下面這個，本來說讓畫面裡的小哥滑雪，結果 AI 給他搞成了跑酷。
還有一個花園的場景，玩家還沒操作呢，啥都沒動，結果花園裡突然飄過了一個幽靈。。。
雖然還有瑕疵，但是就從他們給的這些演示上，世超覺得這确實是在 AI 理解世界這方面，取得了比較成功的進步。
有聰明的差友可能這時候就要問了，這種跟随一個主體運動的畫面，以前的 Sora 類視頻模型不也能做到嘛，憑啥這個就更接近世界模型？
其實還是跟訓練 AI 的方向有關系。
Sora 雖然剛出來的時候号稱世界模型，但是實際這些視頻模型穿模的情況還是很多的，幻覺也不太好解決。
本質上他們學習的資料都是視頻，靠前面視頻的畫面去推後面的，并不真的理解視頻裡的東西是怎麼互動，怎麼作用的。
就比如說，讓 AI 從看視頻裡學到物體有重量，是相當困難的。
而要讓 AI 意識到這些真實世界裡的參數，它首先就得知道環境是一回事，環境裡的人和物是另一回事，所以大家才從文生圖模型，一步步走向了生成地理環境，而後在環境内去呈現人的動作。
這也就是李飛飛 World Labs 的模型的效果，相當于先讓 AI 學會建模，再展示看到的場景。
但相比上面 World Labs ， DeepMind 顯得更厲害一點，這其實跟他們的技術路線不一樣有點關系。如果說前一個是打算用圖片來還原更真實的場景，後一個則是用 AI 給你生成了一個遊戲世界。
當然他們之所以能搞出來，主要人家在訓練的時候就是按遊戲素材來學習的 .
相比視頻素材，遊戲的好處就在于 ai 不僅能學到角色和畫面的動态變化，也能觀察到角色動作的鍵盤操作，是如何影響畫面和動作變化的，這樣它就對物體與環境的互動理解的更全面。
實際上，早在今年三月， Genie 團隊就已經出來一個版本，不過那時候他們做的還是 2d 畫面的橫屏 AI 遊戲。
結果到了 2.0 版本，人家給 3d 的整出來了，實際效果看起來也非常接近大家平時玩的這些 3d 遊戲，甚至比一些遊戲的畫面質量還要好一點。
不過呢，咱也不是說 DeepMind 就發現了 AGI 的通用解，演示中表現的還行也不等同于 AI 就真的理解現實。
最明顯的原因就是，這 AI 是靠遊戲學的，而遊戲是人類根據現實來做的。靠人類的二手資料學的再好，也絕不等同于對真實世界的理解無誤。
至于 AGI 啥時候真來，咱還是得說句，再等等。
撰文：納西
