Google Deepmind представила Genie 3 — «модель мира», которая создает интерактивные 3D-окружения в реальном времени. Эта технология предназначена для симуляции сложных сценариев и обучения автономных ИИ-агентов.
Genie 3 строит виртуальные миры по текстовому запросу и позволяет исследовать их с частотой 24 кадра в секунду и разрешением 720p. В отличие от классических видеомоделей, система создает каждый кадр пошагово, анализируя до минуты предыдущих событий.
Такой подход помогает сохранить визуальную целостность и физическую непрерывность сценария на протяжении нескольких минут, что отличает Genie 3 от других решений.
По данным Deepmind, Genie 3 стала первой моделью, совместившей реалтайм-интерактивность и физическую согласованность окружения на длительных отрезках времени. Команда рассматривает этот инструмент как основу для создания более универсальных ИИ-систем. Модель опирается на прежние проекты компании, такие как Genie 1, Genie 2, Veo 2 и Veo 3.
Возможности Genie 3 охватывают и реалистичные ландшафты с динамической погодой (лава, ветер, дождь), и фантастические окружения с порталами, летающими островами и анимированными существами. Модель также воссоздает исторические локации, например, Венецию или Кносс.
Пользователь может изменять мир с помощью текстовых команд — например, менять погоду или добавлять объекты. Это выходит за рамки навигации: можно создавать условные ситуации «что если» и проверять, как ИИ-агенты реагируют на неожиданные события.
Genie 3 не требует 3D-данных или моделей заранее. Миры строятся по описаниям и действиям пользователя. Это отличается от методов NeRF или Gaussian splatting, которым нужна исходная 3D-информация. Благодаря этому проще тестировать ИИ-агентов в непредсказуемых и изменяемых сценариях без программирования всех физических правил.
На демонстрации видно, как объекты, например деревья у старинных ворот, остаются постоянными при движении камеры. Deepmind уже тестирует своего агента SIMA в таких сгенерированных мирах.
Симуляция не знает целей агента, а реагирует только на его команды. Это позволяет отрабатывать сложные задачи в контролируемой среде и анализировать слабые стороны ИИ.
Модель выпущена как ограниченный исследовательский превью для небольшой группы специалистов. В компании считают, что такой запуск поможет выявить возможные риски на раннем этапе и скорректировать разработку. В будущем Genie 3 планируют использовать в образовательных задачах, тренажерах и подготовке к принятию сложных решений.
Есть и ограничения: возможности действий агентами ограничены, симуляция длится всего несколько минут, многопользовательские эксперименты нестабильны. Реальные локации не имеют геопривязки, а текстовые надписи появляются только если заданы в команде.
Genie 3 вписывается в стратегию по созданию универсальных моделей мира для более сложных ИИ-систем. В анонсе Deepmind отмечает: «Модели мира — это ключевой этап на пути к AGI, ведь они позволяют учить ИИ на неограниченном наборе насыщенных симуляций».
Заявления руководства компании это подтверждают. Ранее CEO Deepmind Демис Хассабис подчеркивал: «Такие модели важны для создания общего искусственного интеллекта, потому что они все лучше отражают базовую структуру физической реальности».
Кроме того, исследователи Deepmind Ричард Саттон и Дэвид Сильвер в недавней работе призывают отказаться от обучения на статичных человеческих данных и перейти к агентам, которые учатся сами в виртуальных мирах. Это направление поддерживает и Genie 3.
Появление таких моделей вызывает вопросы о будущем индустрии игр. Некоторые демонстрации Deepmind напоминают ранние прототипы видеоигр, хотя пока им не хватает глубины коммерческих проектов.
Директор по ИИ NVIDIA Джим Фан считает Genie 3 прототипом “game engine 2.0”. По его словам: «Однажды вся сложность Unreal Engine уместится в blob весов, управляемых данными. Эти веса принимают команды от контроллера и напрямую анимируют кусок пространства-времени. Не потребуется ни 3D-ассеты, ни сцены, ни шейдеры. Это чисто программируемо данными и со временем только улучшится».
Он добавляет, что разработка игр перейдет к prompt-инженерии, а процессы будут похожи на последние изменения в крупных языковых моделях. «Это будет End Game (каламбур ;),» — отмечает Фан.
