Google DeepMind 釋出 Genie：一張圖就能生成可玩的遊戲

給 AI 一張簡筆畫，它轉頭就還你一個能跑能跳的《超級馬里奧》。

這聽起來像是在開玩笑，但 Google DeepMind 和不列顛哥倫比亞大學聯手把這事做成了。他們在週一公佈了一個名為 Genie 的全新生成式基礎世界模型。這個名字是「生成式互動環境」的縮寫，它的能力簡單粗暴：只要一張圖片或一段文字提示，就能立刻生成一個完全可以即時操作、跑跳互動的 2D 橫版卷軸遊戲世界。

沒學過按鍵，自己看影片學會了做遊戲

以往要讓 AI 學會玩遊戲或做遊戲，人類通常得把每一幀畫面對應的按鍵動作標得清清楚楚。但 Genie 的做法非常激進，它根本不需要任何動作標籤。

DeepMind 的研究人員找來了超過 20 萬小時公開的網路遊戲通關和速通影片。他們甚至專門過濾掉了電影和開箱影片，用手動抽查確保資料來源集中在 2D 平臺跳躍遊戲上。整個模型引數量達到了 110 億。

用 DeepMind 開發者 Tim Rocktäschel 在社交平臺上的話來說，他們不搞花哨的人工歸納偏置，直接堆規模。Genie 靠著純粹的無監督學習，自己摸索出了一套潛在動作模型。

這個系統一共分三步：先把原始影片幀切成離散的標記，再通過畫面前後的微小變化去推斷潛在動作，最後由動力學模型決定下一幀畫面長什麼樣。換句話說，AI 只是盯著螢幕看了 20 萬小時，就自己理解了往右推是前進、按下某個操作角色會跳躍。

更讓人興奮的是輸入端的低門檻。Tim Rocktäschel 展示了用兒童畫作甚至真實草圖作為輸入的例子，Genie 能直接把畫紙上的塗鴉轉變成充滿互動邏輯的關卡。

而且這項技術不僅侷限於 2D 遊戲。團隊還將 Genie 訓練在沒有動作標註的 RT-1 機器人資料集上，結果證明它同樣能生成一個可以用動作控制的模擬器，以此來訓練其他具身智慧體。

為什麼重要

我們認為，Genie 帶來的震撼絲毫不亞於此前的文生影片模型，因為它把生成式 AI 從「只能看」推進到了「可以玩」的階段。

對普通人和獨立開發者來說，這意味著創作的門檻被徹底打碎了。你隨手畫一張草圖，甚至拍一張窗外的風景照，AI 就能在幾秒鐘內為你搭出一個可互動的原型。雖然目前它主要停留在 2D 橫版關卡，幀率和操作精度可能還比不上成熟遊戲引擎，但做概念驗證的效率已經有了質的飛躍。

更深遠的影響在於 AI 自身的進化邏輯。以往訓練機器人或虛擬智慧體，最大的瓶頸就是真實世界資料太少，或者物理模擬環境造價太高。DeepMind 聰明的做法在於，它直接把網際網路上浩瀚的無標註影片當成了教材，讓 AI 自己去虛擬出一個無限的訓練場。未來 AI 可以在 Genie 生成的無窮無盡的新世界裡打怪升級。

不過隱患也顯而易見。完全基於視覺推斷的物理規律容易出現邏輯穿模或動作不連貫，並且要從 2D 跨越到複雜的 3D 開放世界，所需的算力和資料清洗工作量也會呈指數級上升。但無論如何，一個讓畫作真正活過來的互動時代，看起來已經離我們不遠了。