據(jù)報道，谷歌正在組建一個新的團隊，專注于開發(fā)可以模擬物理世界的人工智能模型。

該團隊的負責(zé)人是蒂姆·布魯克斯（Tim Brooks），他原先是OpenAI視頻生成器Sora的聯(lián)合負責(zé)人之一，后于2024年10月離開OpenAI，跳槽至谷歌的人工智能研究實驗室谷歌DeepMind。

根據(jù)Brooks周一（1月6日）在社交媒體X上的最新發(fā)帖，他領(lǐng)導(dǎo)的這個新團隊隸屬于DeepMind，將致力于開發(fā)可以模擬物理世界的人工智能模型。

Brooks寫道，“DeepMind有雄心勃勃的計劃，要制造大規(guī)模的生成模型來模擬世界。我正在招聘一個新的團隊來完成這個任務(wù)?！?/p>

根據(jù)描述，Brooks的新團隊將著眼于開發(fā)“實時交互生成”工具，并研究如何將他們的模型與現(xiàn)有的多模式模型（如Gemini）集成。

新的團隊還將與谷歌現(xiàn)有的Gemini、Veo和Genie團隊合作，并以后者團隊的工作為基礎(chǔ)，將模型擴展到“最高水平的計算”。

據(jù)了解，Gemini是谷歌的旗艦AI模型系列，用于分析圖像和生成文本等任務(wù)；Veo是谷歌的視頻生成模型；至于Genie，它是谷歌的基礎(chǔ)世界模型，為用戶提供了前所未有的交互體驗，支持用戶借助文本、合成圖像、照片乃至草圖等方式，創(chuàng)造出可玩性強的交互式環(huán)境和可控的虛擬世界。

去年12月，谷歌還推出了升級版的Genie 2，能夠模擬出動作可控、極具可玩性的逼真3D虛擬世界。

世界模型

Brooks發(fā)布的工作描述是這樣寫的：“我們認為，在視頻和多模態(tài)數(shù)據(jù)上擴展人工智能訓(xùn)練是實現(xiàn)通用人工智能（AGI，指能夠完成人類能完成的任何任務(wù)的人工智能）的關(guān)鍵途徑。世界模型將為許多領(lǐng)域提供動力，比如視覺推理和模擬、具體化代理的規(guī)劃以及實時互動娛樂。”

“世界模型”是目前技術(shù)流派中難度最高的一種，其特點在于讓機器能夠像人類一樣對真實世界有一個全面而準確的認知。

目前，許多初創(chuàng)公司和大型科技公司都在追逐世界模型，包括有影響力的人工智能研究員李飛飛的World Labs、以色列新貴Decart和初創(chuàng)公司Odyssey等。他們認為，世界模型有一天可以用來創(chuàng)建互動媒體，如視頻游戲和電影，并運行逼真的模擬，如機器人訓(xùn)練環(huán)境。

不過，世界模型的發(fā)展似乎對一些創(chuàng)意人士并不友好。

著名雜志《連線》最近的一項調(diào)查發(fā)現(xiàn)，像動視暴雪（Activision Blizzard）這樣的游戲工作室，已經(jīng)解雇了大量員工，而他們正在利用人工智能來提高生產(chǎn)率，并彌補人員流失。美國動畫協(xié)會在2024年委托進行的一項研究估計，到2026年，美國將有超過10萬個電影、電視和動畫工作崗位被人工智能取代。

相較于被取代，合作似乎是一種更友好的方式。一些新興的世界模特領(lǐng)域的初創(chuàng)公司，比如Odyssey，已經(jīng)承諾與有創(chuàng)意的專業(yè)人士合作。這是否會成為谷歌的做法，仍有待觀察。

另外，對于世界模型而言，版權(quán)問題懸而未決。一些世界模型是根據(jù)視頻游戲播放的片段進行訓(xùn)練的，這可能會使開發(fā)這些模型的公司在視頻未經(jīng)許可的情況下成為訴訟的目標。

而擁有Youtube的谷歌聲稱，根據(jù)平臺的服務(wù)條款，它有權(quán)基于YouTube視頻訓(xùn)練自己的模型。但該公司并未透露將為培訓(xùn)采購哪些具體視頻。