一張圖生成游戲，真的假的？

在開(kāi)始之前，我想先問(wèn)大家一個(gè)簡(jiǎn)單的問(wèn)題：

你們還在苦苦等待《GTA 6》的發(fā)售嗎？

我是不清楚大家的想法啦，但小雷真的非常期待它的到來(lái)。要知道《GTA 5》發(fā)布至今已經(jīng)過(guò)去十三年了，時(shí)至今日卻依然魅力不減。讓人不得不期待，在漫長(zhǎng)的等待后，R星究竟能夠端出一款怎樣的作品。

不過(guò)，雖然現(xiàn)在說(shuō)出來(lái)可能有點(diǎn)潑冷水，但在R星還在為發(fā)售日期遮遮掩掩的時(shí)候，大洋彼岸的谷歌DeepMind團(tuán)隊(duì)卻悄悄搞出了一個(gè)大動(dòng)作。如果不出現(xiàn)意外，這東西可能會(huì)徹底改變我們對(duì)游戲這兩個(gè)字的理解。

近日，谷歌在官方博客正式宣布，已向部分用戶開(kāi)放體驗(yàn)Project Genie原型版本，能讓用戶生成屬于自己的可玩游戲世界。

（圖源：雷科技）

消息一出，《GTA》開(kāi)發(fā)商R星的母公司Take-Two Interactive股價(jià)縮水10%，在線游戲平臺(tái)Roblox下跌了超過(guò)12%，最慘的是游戲引擎制造商Unity下跌了21%，反而是國(guó)內(nèi)廠商網(wǎng)易、騰訊基本沒(méi)有受到什么影響。

趁這機(jī)會(huì)，小雷打算和大伙好好聊聊，這個(gè)敢搶《GTA 6》風(fēng)頭的AI到底是何方神圣，它現(xiàn)在的體驗(yàn)究竟到了什么地步，以及在不遠(yuǎn)的未來(lái)，我們的游戲和虛擬世界到底會(huì)變成什么樣。

只要一張圖，萬(wàn)物皆可玩

在介紹技術(shù)之前，我們得先搞清楚它有多離譜。

過(guò)去我們想做一款游戲，流程是怎樣的？你需要策劃寫(xiě)劇本，美術(shù)畫(huà)貼圖，程序員敲代碼，最后還得通過(guò)引擎渲染出來(lái)。

這個(gè)過(guò)程可謂既漫長(zhǎng)又燒錢(qián)，即便是育碧、EA這樣的游戲巨頭，也要做到數(shù)十年如一日地投資，最終成品卻沒(méi)有人能夠篤定效果如何。

但Project Genie的誕生，把這個(gè)邏輯完全顛覆了。

（圖源：谷歌）

它的核心能力可以概括為一句話：生成即交互。

你給它一張照片，或者一張手繪的草圖，甚至是一句簡(jiǎn)單的文字描述，它就能把世界和角色搭出來(lái)。

（圖源：谷歌）

然后，你可以指定游戲的操作方法，例如走路、騎行、飛行還是開(kāi)車(chē)，Project Genie就會(huì)試圖理解物理規(guī)律，然后直接生成一個(gè)可以操控的世界：

（圖源：谷歌）

沒(méi)錯(cuò)，就像上面這個(gè)樣子。

世界一旦生成，我們就可以直接在里面行動(dòng)了。在Project Genie里，你往前走，前方路徑會(huì)實(shí)時(shí)生成，你轉(zhuǎn)視角，鏡頭也會(huì)跟著同步調(diào)整，整個(gè)過(guò)程更像是在一個(gè)持續(xù)展開(kāi)的空間里進(jìn)行探索。

不滿意，那就把這個(gè)世界修改一下。

和其他AIGC內(nèi)容類似，Project Genie生成的世界并不是一次性產(chǎn)品，我們還可以在已有世界的提示詞基礎(chǔ)上繼續(xù)修改，比如把狗換成粉色氣球兔子。

（圖源：谷歌）

你甚至可以丟一個(gè)真實(shí)世界的圖片進(jìn)去，讓Project Genie幫我們做二創(chuàng)并讓其動(dòng)起來(lái)，完成之后，還能直接導(dǎo)出成視頻，方便保存或分享。

也正因?yàn)楣δ苋绱酥畯?qiáng)大，于是乎，腦洞大開(kāi)的網(wǎng)友們很快就把它玩出了花。

在嗶哩嗶哩上，就有UP主上傳了一張主播許昊龍的經(jīng)典照片。在Project Genie的處理下，下一秒，畫(huà)面里的炫狗就變成了可操控的角色，你可以按下鍵盤(pán)的方向鍵，控制他在那個(gè)車(chē)庫(kù)背景里跑動(dòng)、跳躍，甚至能和世界里的物品產(chǎn)生真實(shí)接觸。

（圖源：bilibili）

經(jīng)典耄耋梗圖？給我動(dòng)起來(lái)！

（圖源：bilibili）

給它一張《原神》的圖，它也能自動(dòng)生成風(fēng)之翼的效果，讓角色在空中自由馳騁，甚至能模擬出滑翔的效果。

（圖源：bilibili）

在推特上，甚至有人隨手在紙上畫(huà)了幾個(gè)火柴人，旁邊畫(huà)了幾道波浪線代表水，拍張照上傳給Project Genie。系統(tǒng)就能把這個(gè)涂鴉變成一個(gè)關(guān)卡，火柴人真的能跳過(guò)那些波浪線，甚至如果不小心掉下去，還能模擬出墜落的效果。

而這就是Project Genie最嚇人的地方：

它不需要代碼，也不需要3D建模，它僅僅通過(guò)看圖，就理解了什么是地面、什么是障礙物、角色該怎么動(dòng)。

與之對(duì)比，國(guó)內(nèi)游戲大廠們其實(shí)也沒(méi)閑著，但方向多少有點(diǎn)小家子氣。

你看，網(wǎng)易的《逆水寒》天天吹噓AI NPC有多會(huì)聊天，騰訊忙著讓AI在《王者榮耀》里虐菜。然而這些所謂的黑科技，說(shuō)白了就是在用AI賦能游戲，本質(zhì)還是機(jī)器人，遠(yuǎn)遠(yuǎn)達(dá)不到顛覆游戲創(chuàng)作流程的水平。

只能說(shuō)國(guó)內(nèi)廠商們，還是任重而道遠(yuǎn)啊。

看起來(lái)很美，但是不成熟

誒，有的讀者可能要問(wèn)了，既然這東西說(shuō)得這么神，是不是明天游戲公司都要倒閉了？

嗯...這倒也不至于。

盡管看起來(lái)有些類似，但是Project Genie本質(zhì)上和我們玩的《黑暗之魂》或者《王者榮耀》之類的游戲完全是兩個(gè)物種。

傳統(tǒng)游戲是基于游戲引擎的，你按一下跳躍鍵，程序會(huì)根據(jù)重力參數(shù)計(jì)算你跳多高；你扔出一個(gè)鐵球，程序利用經(jīng)典物理公式來(lái)計(jì)算它的下落速度；你打開(kāi)手電筒，程序則會(huì)模擬光照和物體材質(zhì)，來(lái)實(shí)時(shí)渲染光照的效果。

而Project Genie是基于Genie 3、Nano Banana Pro和Gemini的，其核心Genie 3本質(zhì)上是一個(gè)采用自回歸生成機(jī)制的幀生成模型，它會(huì)根據(jù)世界描述和用戶操作，逐幀生成環(huán)境狀態(tài)，而不是播放預(yù)先生成好的內(nèi)容。

（圖源：谷歌）

我知道，在老黃大肆推廣的今天，幀生成已經(jīng)不是什么新鮮玩意了。

它的工作原理，就是看著前幾幀畫(huà)面，然后猜測(cè)下一幀的畫(huà)面。

通過(guò)學(xué)習(xí)谷歌龐大數(shù)據(jù)庫(kù)里超過(guò)20萬(wàn)小時(shí)的游戲視頻，Genie 3記住了每一種“當(dāng)屏幕上有個(gè)小人，且玩家按下右鍵時(shí)，下一幀畫(huà)面通常會(huì)發(fā)生什么”的可能性，并會(huì)在玩家做出的操作生成對(duì)應(yīng)的畫(huà)面。

問(wèn)題就在這里，Genie 3根本不懂物理，沒(méi)有可靠的邏輯計(jì)算，而是通過(guò)不斷猜測(cè)來(lái)拓展世界的，這也導(dǎo)致了目前的體驗(yàn)有兩個(gè)非常明顯的硬傷。

首先是缺乏一致性。

盡管谷歌方面聲稱，為了防止AI算力過(guò)載或者邏輯崩壞，玩家只能生成一分鐘的片段。

但在一分鐘的限制下，我們依然能看到嚴(yán)重的記憶丟失。就用上面舉例的許昊龍，明明玩家導(dǎo)入的是一張正面照片，但在實(shí)際操作角色10秒后，再次切到正臉，你會(huì)發(fā)現(xiàn)角色的面部發(fā)生了180°改變——變成了一個(gè)純種白人大叔。

（圖源：bilibili）

我想，除了玩Roguelike游戲的時(shí)候，應(yīng)該沒(méi)有多少人愿意接受這種在一個(gè)游戲里，同一個(gè)地方每次去都不太一樣的情況吧

其次是沒(méi)什么邏輯。

在傳統(tǒng)游戲里，你撞到墻會(huì)被彈回來(lái)，對(duì)吧。

但在Project Genie的世界里，AI是有猜錯(cuò)的時(shí)候。這就導(dǎo)致你控制的角色可能會(huì)突然穿墻而過(guò)，或者跳著跳著突然融化進(jìn)了地板里，甚至有時(shí)候走著走著，身后突然長(zhǎng)出一棵樹(shù)來(lái)。

（圖源：bilibili）

這種體驗(yàn)非常詭異，就像我們?cè)谧銮逍褖?mèng)，你知道自己在控制著角色，但世界總是在發(fā)生一些毫無(wú)邏輯的形變。

需要明確的是，相比前代以及其他視覺(jué)語(yǔ)言模型/世界模型，Genie 3的一致性、穩(wěn)定性已經(jīng)強(qiáng)出不少，但出戲的情況仍然有相當(dāng)大的概率出現(xiàn)，這在追求可玩性的游戲里絕對(duì)是不可接受的。

正因如此，它目前的價(jià)值，更多是給游戲設(shè)計(jì)師提供一個(gè)快速驗(yàn)證靈感的方法。

對(duì)我們普通玩家來(lái)說(shuō)，當(dāng)個(gè)新鮮玩具，玩?zhèn)�幾分鐘娛樂(lè)一下或許還行。距離真正的沉浸式娛樂(lè)，還有很長(zhǎng)一段路要走。

世界模型，才是AI的下一個(gè)戰(zhàn)場(chǎng)

說(shuō)到這里，可能有人會(huì)覺(jué)得，既然畫(huà)質(zhì)這么渣，Bug這么多，那谷歌花這么多錢(qián)搞這個(gè)Project Genie，是不是點(diǎn)錯(cuò)科技樹(shù)了？

在我看來(lái)，恰恰相反。

Project Genie的出現(xiàn)，其意義遠(yuǎn)不止做個(gè)游戲這么簡(jiǎn)單，它代表了人工智能從“理解靜態(tài)世界”邁向了“模擬真實(shí)世界”的關(guān)鍵一步。

我們現(xiàn)在熟悉的Sora、Runway這些視頻生成模型，雖然能做出好萊塢級(jí)別的畫(huà)面，但它們是被動(dòng)展示的。觀眾只能看，不能互動(dòng)。

（圖源：OpenAI）

而Genie 3代表的世界模型，則是要讓AI理解：因?yàn)槲易隽艘粋�(gè)動(dòng)作，所以世界發(fā)生了改變，讓AI從被動(dòng)展示到主動(dòng)交互，從靜態(tài)敘事到動(dòng)態(tài)推演，這正是通往通用人工智能（AGI）的必經(jīng)之路。

試想一下，如果未來(lái)的Genie能進(jìn)化到4K畫(huà)質(zhì)、60幀，并且物理邏輯完全準(zhǔn)確，那意味著什么？

舉個(gè)簡(jiǎn)單的例子，這意味著我們不需要在現(xiàn)實(shí)中去訓(xùn)練機(jī)器人了。我們可以讓AI機(jī)器人在Project Genie生成的虛擬世界里，摔倒一萬(wàn)次，學(xué)會(huì)走路，學(xué)會(huì)拿杯子，然后再把這個(gè)算法加載到實(shí)體機(jī)器人身上。

當(dāng)然了，目前盯著這個(gè)賽道的，可不止谷歌一家。

OpenAI明確說(shuō)過(guò)Sora本質(zhì)上也是世界模型，英偉達(dá)剛推出的Cosmos模型號(hào)稱專注于讓AI理解物理定律，國(guó)內(nèi)的眾多大廠也在暗中布局。大家都在賭，誰(shuí)能先造出那個(gè)成熟的世界雛形。

對(duì)這種新生代物種來(lái)說(shuō)，好戲才剛剛開(kāi)場(chǎng)。

谷歌Genie世界模型

來(lái)源：雷科技

本文圖片來(lái)自：123RF 正版圖庫(kù)       

       原文標(biāo)題 : 一張圖生成游戲？谷歌Genie體驗(yàn)：萬(wàn)物皆可玩，但離“殺死游戲公司”還遠(yuǎn)