谷歌組建新AI團隊開發(fā)“世界模型”：通往AGI的關鍵路徑

最近谷歌組建一個新團隊，專門開發(fā)可以用來模擬物理世界的AI模型，也就是所謂的“世界模型”（World Models）。

蒂姆·布魯克斯（Tim Brooks）原本是OpenAI的一名高管，也是視頻生成工具Sora的主要開發(fā)者之一。去年10月，他加入谷歌DeepMind，成為新領導之一。模擬物理世界的AI模型團隊是谷歌DeepMind的一部分。

布魯克斯說：“DeepMind有著宏大的計劃，它準備開發(fā)巨大的生成式模型，可以模擬物理世界。我受聘之后將會成為新團隊的一員，努力幫公司達成新使命。”

新團隊將會與谷歌Gemini、Veo、Genie團隊合作，努力解決關鍵性新問題。Veo是谷歌自己的視頻生成模型；Gemini相當于谷歌的旗艦AI模型，它可以分析圖片，生成文本，可以模擬游戲、3D環(huán)境；最新的Genie版本于去年12月揭開面紗，它已經(jīng)可以生成巨大多變的可玩性3D世界。

“世界模型”是通往AGI的關鍵路徑

在新團隊招聘信息中能看到這樣的話：“我們相信在視頻、多模態(tài)方面擴大AI訓練規(guī)模是通往AGI的關鍵路徑?！?

AGI是頂尖AI企業(yè)共同追求的目標，它指的是AI可以像人一樣完成任何任務。

AI行業(yè)人士認為，世界模型就是AI的下一個大事件?！笆澜缒Ｐ汀边@個術語實際上是從人類心智派生出來的，它是人類自然進化而來。

人類大腦會從感官中抽象一些表征，從而加深對周圍世界的理解，形成所謂的“模型”，大腦會根據(jù)這些模型進行預測，繼而影響人對世界的感知。

棒球手打球時，只需要幾毫秒就能判斷如何擊球，耗費的時間比視頻信號傳到大腦還要短。人類之所以能擊中時速達到100公里的棒球，主要是因為我們能憑直覺判斷球的運動方向。

一些科學家認為，人類之所以擁有超常智力，主要是能夠在潛意識推理，這些推理是以世界模型作為基礎的。

一旦技術取得突破，世界模型將會為多個領域賦能，比如視覺推理、模擬、嵌入式智能體規(guī)劃、實時娛樂交互。

按照描述，新團隊將會開發(fā)實時交互生成工具，它以谷歌之前開發(fā)的模型作為基礎，新團隊開發(fā)的模型會考慮如何與現(xiàn)有多模態(tài)模型整合，比如與Gemini整合。

不少AI公司都在布局“世界模型”

很多創(chuàng)業(yè)公司和科技巨頭正在努力開發(fā)世界模型，比如李飛飛創(chuàng)建的World Labs，以色列Decart、Odyssey。大家相信，一旦世界模型獲得成功，可以創(chuàng)建交互性媒體內(nèi)容，比如游戲、電影，還可以為機器人搭建逼真的模擬環(huán)境。

對于這樣的新技術，創(chuàng)意界意見不統(tǒng)一。比如，動視暴雪積極進入AI工具，提高生產(chǎn)力，結果導致部分員工被裁。Animation Guild不久前發(fā)布的報告稱，在2026年之前，由于AI的應用，美國會有超過10萬個電影、電視、動畫職位被摧毀。

在“世界模型”開發(fā)領域，Odyssey算是新手，它宣稱要與創(chuàng)意專業(yè)人士一起開發(fā)，并無替代創(chuàng)意人士的計劃。谷歌的物理世界模擬AI會不會替代創(chuàng)意人士？還有待觀察。

在版權方面，開發(fā)世界模型也存在障礙。有一些世界模型是根據(jù)視頻游戲片段訓練的，訓練時并沒有拿到版權，可能會引發(fā)糾紛。

谷歌是YouTube的所有者，它已經(jīng)獲得許可，準備用YouTube視頻訓練模型，只是現(xiàn)在還不知道具體會用到哪些視頻。

當然，除了這些問題，世界模型還有很多技術難題沒有解決，即使是谷歌，離成功也有不小的距離。

和所有AI模型一樣，世界模型也存在“幻覺”。如果用歐洲城市數(shù)據(jù)訓練模型，城市的天氣一直晴朗，可能無法理解下雪的亞洲城市。沒有充分的數(shù)據(jù)，模型不可能深刻理解世界。

Runway的CEO Cristóbal Valenzuela不久前說，由于數(shù)據(jù)和工程方面的問題，想精準捕捉世界上的“居民”（比如動物和人）存在巨大挑戰(zhàn)。模型要為環(huán)境生成一致的地圖，要在環(huán)境中導航、交互。

雖然存在巨大挑戰(zhàn)，不過如果問題得到解決，世界模型可以讓AI與真實世界更好聯(lián)系在一起，到時不只虛擬世界生成工具會取得突破，機器人、AI決策也會地大踏步前進。