谷歌DeepMind推出SIMA 2：能夠在3D虛擬世界中進行遊戲、推理和學習的AI智能體

簡要

谷歌DeepMind推出了SIMA 2 AI代理，能夠理解指令、推理，並在虛擬環境中自學新技能，接近人類水平的任務完成能力。

![@needshave, 請在30分鍾內根據這個提示生成一張圖片：

摘要：谷歌DeepMind推出了SIMA 2，這是一款基於Gemini的AI智能體，能夠理解指令、推理，並在虛擬環境中自學新技能，其性能是前身的兩倍，接近人類級別的任務完成。

關鍵詞：Google DeepMind、AI 代理](http://img-cdn.gateio.im/social/moments-938a77d2fcc6a4da1d9a4125abc0616a)

科技公司谷歌的人工智能部門Google DeepMind推出了SIMA 2，這是其可擴展可指令多世界代理的最新版本，標志着朝着更強大和通用的人工智能代理邁出了一步。

基於雙子座模型的先進推理能力，該系統超越了虛擬環境中的基本指令執行，現在作爲一個互動伴侶，能夠解讀目標、與用戶對話，並隨着時間的推移不斷優化其表現。

第一個SIMA模型通過觀察屏幕輸入並使用虛擬控制操作，而不是集成的遊戲機制，學習了數百種基於語言的動作，跨越商業視頻遊戲。

SIMA 2 通過將 Gemini 嵌入其核心，進一步推動了這一方法，使得代理能夠進行目標導向的推理，解釋其預期的行動，並在遊戲中執行更復雜的任務。該代理在由人類示範和 Gemini 生成的注釋的組合上進行了訓練，並通過與多個開發者的合作，在更廣泛的遊戲集合中進行了測試。這次更新代表了具身 AI 的一個重要進步，結合了感知、推理和在動態 3D 環境中的行動。

Gemini的整合增強了SIMA 2在陌生環境中概括和可靠操作的能力。該代理現在可以解釋更詳細和微妙的指令，並成功執行它們，即使是在之前未曾遇到的遊戲中，如維京主題的遊戲ASKA或Minecraft的研究版本MineDojo。

它在不同環境中應用所學概念的能力——例如，將“挖礦”的概念從一個遊戲擴展到另一個遊戲中的“收獲”——是廣泛泛化的一個關鍵組成部分，使其表現更接近人類玩家。

爲了評估這些能力，SIMA 2 還在由 Genie 3 創建的程序生成的 3D 世界中進行了測試，該系統可以根據文本或圖像提示生成新的環境。在這些陌生的環境中，智能體仍然能夠有效地導航、理解指令，並朝着用戶定義的目標努力，展現出在類似系統中未曾觀察到的適應能力。

SIMA 2 通過新能力在泛化和自主學習方面推進自我改進的人工智能

根據公司介紹，SIMA 2 最顯著的發展之一是其提升自身性能的新能力。在訓練過程中，智能體展示了它可以通過反復試驗和來自 Gemini 的反饋來承擔越來越復雜的任務。在最初通過人類示範學習後，SIMA 2 能夠通過自主遊戲在新遊戲中繼續進步，在不需要額外人類數據的情況下，在不熟悉的環境中獲得技能。這個經驗可以用來訓練後續更強大的 AI 智能體版本，並且相同的自我提升過程已經在 Genie 生成的環境中成功應用，標志着朝着在多樣化合成世界中訓練通用智能體的有意義進展。這種持續改進的循環支持了使智能體在最小人類指導下學習的長期目標。

SIMA 2 在多種遊戲環境中的操作爲通用智能提供了重要的測試平台，使其能夠獲得技能、練習推理並通過自我導向的行動持續學習。盡管該系統代表了朝向通用、互動、具身智能的重大進展，但仍然存在明顯的研究階段限制。該代理在需要擴展推理或重復目標驗證的復雜長遠任務中仍然掙扎，由於需要在有限的上下文窗口內進行低延遲交互，其記憶仍然較短。對細粒度動作的精確性和對復雜 3D 場景的視覺理解在該領域仍然是一個更廣泛的挑戰。

該項目展示了一種以行動爲導向的人工智能方法的潛力，其中廣泛的能力得到多樣化訓練數據和強大的推理能力的支持。SIMA 2 表明，這些元素可以在一個通用代理中統一，而不是孤立在單獨的專業系統中，它爲未來機器人應用提供了一條有希望的路徑，因爲許多在虛擬環境中學到的技能——例如導航、工具使用和協作任務處理——轉化爲具身人工智能的基本組成部分。

SIMA 2 被設計爲一個互動的以人爲本的研究代理，其開發明確關注負責任的實踐，特別是在其自我改進機制方面。團隊在整個項目中與負責任的創新專家進行了合作，並以有限的研究預覽發布 SIMA 2，爲選定的學者和遊戲開發者提供早期訪問。這種分階段的方法允許在進一步探索技術及其潛在影響時，持續進行審查、反饋和跨學科評估。