Google Deepmind a révélé Genie 3, son dernier modèle mondial de fondation qui peut être utilisé pour former des agents d’IA générale-pixer, une capacité qui, selon le laboratoire d’IA, constitue un tremplin crucial sur le chemin de «l’intelligence générale artificielle» ou de l’intelligence humaine.
« Genie 3 est le premier modèle mondial interactif à usage général interactif en temps réel », a déclaré Shlomi Fruchter, directeur de recherche chez Deepmind, lors d’une conférence de presse. «Il gos au-delà des modèles mondiaux étroits qui existaient auparavant. Il n’est pas spécifique à un environnement particulier. Il peut générer des mondes photo-réalistes et imaginaires, et tout entre les deux.
Toujours dans l’aperçu de la recherche et non accessible au public, Genie 3 s’appuie à la fois sur son prédécesseur Genie 2 (qui peut générer un nouvel environnement pour les agents) et le dernier modèle de génération vidéo de DeepMind, Veo 3 (qui aurait une compréhension approfondie de la physique).
Avec une simple invite de texte, Genie 3 peut générer plusieurs minutes de résolution 3D interactive autour de 720p à 24 images par seconde – un saut significatif du génie 2 de 10 à 20 secondes pourrait produire. Le modèle propose également des «événements mondiaux rapides» ou la possibilité d’utiliser une invite pour changer le monde généré.
Peut-être plus important encore, les simulations de Genie 3 restent physiquement constituées physiquement au fil du temps que le modèle peut se rappeler ce qu’il génère auparavant – une capacité que Deepmind dit que ses chercheurs n’ont pas expliqué dans le modèle.
Fruchter a déclaré que bien que Genie 3 ait des implications pour les expériences éducatives, les jeux ou le prototypage des concepts créatifs, son véritable déverrouillage se manifestera dans les agents de formation pour les pass généraux, qui, selon lui, est essentiel pour atteindre ACT.
« Nous pensons que les modèles mondiaux sont essentiels sur la voie d’agir, en particulier pour les agents intégrés, où la simulation de scénarios réels est particulièrement difficile », a déclaré lors du briefing de Jack Parker, un chercheur scientifique de l’équipe ouverte de DeepMind.
Événement TechCrunch
San Francisco
|
27-29 octobre 2025
Genie 3 est censé être conçu pour résoudre ce bouct. Comme Veo, il ne s’appuie pas sur le moteur de physique à code dur; Au lieu de cela, dit DeepMind, le modèle enseigne comment le monde fonctionne – comment les objets se déplacent, tombent et interagissent – en se souvenant de ce qu’il a généré et en raisonnement sur de longs horizons.
« Le modèle est autorégressif, ce qui signifie qu’il génère un cadre à la fois », a déclaré Fruchter à TechCrunch dans une interview. «Il doit revenir sur ce qui a été généré auparavant pour décider de ce qui va se passer ensuite. C’est un élément clé de l’architecture.»
Cette mémoire, dit la société, prête à la cohérence dans le monde simulé de Genie 3, qui à son tour lui permet de développer une compréhension de la physique, similaire à l’homme comprend qu’un verre tremblant sur le bord d’une table est sur le point de tomber, ou qu’ils devraient tomber.
Notamment, DeepMind dit que le modèle a également le potentiel de pousser les agents de l’IA à leurs limites – forçant les apprentissage de leur expérience, semblable à la façon dont les humains apprennent dans le monde réel.
À titre d’exemple, DeepMind a partagé son test de Genie 3 avec une version récente de son agent multimorld instructable (SIMA) généraliste (SIMA), lui demandant de poursuivre un ensemble d’objectifs. Dans un entrepôt, ils ont demandé à l’agent d’effectuer des tâches de travail comme «Approchez le compacteur des poubelles vert vif» ou «Marchez vers le chariot élévateur rouge bondé».
« Dans les trois cas, l’agent SIMA est en mesure d’atteindre l’objectif », a déclaré Parker-Holder. «Il reçoit simplement les actions de l’agent. Ainsi, l’agent prend l’objectif, voit le monde simulé l’entourer, puis prend les actions dans le monde. Genie 3 simule vers l’avant, et le fait qu’il est capable de le réaliser est parce qu’il l’est.
Cela dit, Genie 3 a ses limites. Par exemple, alors que les chercheurs affirment qu’il peut comprendre la physique, la démo montrant un skieur qui se baisse sur une montagne ne reflétait pas comment la neige se déplacerait dans le skieur.
De plus, la gamme d’actions qu’un agent peut prendre est limitée. Par exemple, les événements mondiaux promptables permettent un large éventail d’interventions environnementales, mais elles ne sont pas nécessaires pour l’agent lui-même. Et il est toujours difficile de modéliser avec précision les interactions complexes entre plusieurs agents indépendants dans un environnement partagé.
Genie 3 ne peut également soutenir que quelques minutes d’interaction continue, lorsque des heures étaient nécessaires pour une formation appropriée.
Pourtant, le modèle présente un pas en avant dans les agents pédagogiques pour aller au-delà de la réaction aux intrants, en leur permettant de planifier, d’explorer, d’explorer, de rechercher l’incertitude et de s’améliorer par des essais et des erreurs – le type d’apprentissage autonome et incarné que Marie est la clé pour déplacer l’intelligence générale.
« Nous n’avons pas encore vraiment eu de mouvement 37 pour les agents intégrés, où ils peuvent faire des nouvelles prendre des actions nouvelles dans le monde réel », a déclaré le holder de Parker, se référant au moment légendaire du jeu 2016 de Go Bethout entre l’agent AI de Deepmind Alpho et le champion du monde Lee Sedol, en alpha blanc a joué une compréhension non conventionnelle et brillante qui est devenue symbolique de la capacité de l’AI de l’AI pour découvrir de nouvelles stratégies au-delà de l’homme.
« Mais maintenant, nous pouvons potentialiser potentiamment une nouvelle ère », a-t-il déclaré.
