Google DeepMind 喺 10 月 27 日（星期二）以研究預覽（research preview）形式推出最新世界模型 Genie 4。所謂世界模型（world model），就係 AI 由文字或圖像輸入即時生成可互動、具空間同物理邏輯嘅虛擬環境。呢個係 Genie 3 推出約一年後嘅升級版。
點解呢代 Genie 4 唔同
最顯著嘅 upgrade 係同步音頻。模型會即實生成與場景匹配嘅音樂、環境聲效同互動對話，唔再係默片。
同時，用户可以喺模擬進行中輸入提示，即時改天氣、調鏡頭角度，或者加入新人物同物件。Google 話場景一致性可以維持到兩分鐘，係前身 Genie 3 嘅兩倍，物理模擬同人仔表現都有改善。
Genie 4 亦被更緊密整合入 Gemini（Google 嘅大型語言模型）。喺 Gemini Robotics 相關嘅研究實驗中，Gemini 4 Argon 負責將任務拆解成步驟，Genie 4 就負責即時模擬，證明喺現實測試前先喺虛擬環境測試機械人場景嘅可行性。
圖片：David Sharon／CC BY-SA 4.0／Wikimedia Commons
行業同時正在洗牌
呢個時間點唔係偶然。Runway 前幾個月已推出第二代世界模型 GWM Worlds 2，同樣支援動態用户輸入同音頻生成。
業界同時出現多宗收購：李飛飛（Fei-Fei Li）創辦嘅 World Labs 據報正被 AMD 收購；Amazon 據報正洽談收購 Decart；Rivian 剛完成對 Third Dimension 嘅收購，用嚟強化自駕測試嘅模擬能力。世界模型呢個賽道，玩家同金主都喺加劇整合。
Google 方面喺簡報中強調，Genie 4 仍係早期階段，最終產品體驗未定，團隊亦承認模型仍有細節方面的差距。
阿調搞兩下
世界模型由默片變聲片，聽落似嘅 upgrade 其實唔細——聲效同畫面同步就代表模擬開始有「時空連續性」，唔再係一堆斷片。但最值錢嘅問題唔係「生成到幾真實」，而係「邊個可以改規則」。用家可喺模擬中隨便改天氣同鏡頭，呢個自由度對創作係好嘢，但當世界模型用嚟訓練機械人或者測試決策，「自由編輯」呢個功能邊界喺邊？邊個負責審核模擬結果？呢啲問題，技術發布稿通常唔會講。
阿調｜深度調教
