DeepMind hat Genie 2 vorgestellt, ein künstliches Intelligenz-Modell, das aus einzelnen Bildern und Textbeschreibungen spielbare 3D-Umgebungen erschaffen kann. Es stellt eine Weiterentwicklung gegenüber seinem Vorgänger Genie 1 dar, der auf 2D-Welten beschränkt war.
Laut DeepMind kann Genie 2 interaktive Umgebungen generieren, die auf Tastatur- und Mauseingaben reagieren und es Benutzern oder KI-Agenten ermöglichen, Charaktere innerhalb der generierten Welten zu steuern. Das Modell demonstriert Fähigkeiten wie Objektinteraktionen, Charakteranimationen, Physiksimulationen und Lichteffekte, wobei die Umgebungen bis zu einer Minute lang konsistent bleiben.
Das Unternehmen positioniert Genie 2 hauptsächlich als Forschungs- und Prototyping-Werkzeug, insbesondere für das Training und die Evaluierung von KI-Agenten. Das Modell wurde mit Videodatensätzen trainiert und verwendet einen autoregressiven latenten Diffusionsansatz, wobei DeepMind keine spezifischen Details über die Trainingsdatenquellen offengelegt hat. Während die Technologie vielversprechend ist, bestehen aktuelle Einschränkungen in der kurzen Dauer der generierten Umgebungen und möglichen urheberrechtlichen Überlegungen bezüglich der Trainingsdaten.
Quellen: Google DeepMind, TechCrunch