Project Genie: Khi Google biến Street View thành thế giới AI có thể “chơi” như game

Google DeepMind đang thử nghiệm một hệ thống AI có tên Project Genie – công cụ có thể tạo ra môi trường ảo hoàn toàn tương tác chỉ từ mô tả văn bản hoặc hình ảnh. Trong bản cập nhật mới, hệ thống này còn có thể gắn thế giới AI vào các địa điểm ngoài đời thật bằng cách sử dụng dữ liệu hình ảnh từ Google Street View.

Điều đó có nghĩa là thay vì chỉ tạo cảnh tưởng tượng, AI có thể dựng lại các con phố hoặc địa danh có thật thành một môi trường giống trò chơi mà người dùng có thể đi lại và khám phá.

Theo các nhà nghiên cứu, Project Genie là một bước tiến hướng tới khái niệm “world model” – loại AI có khả năng mô phỏng môi trường và phản ứng với hành động của người dùng theo thời gian thực, thay vì chỉ tạo ảnh hay video tĩnh.

Từ ảnh Street View thành thế giới tương tác

Trong bản cập nhật mới nhất, Google đã kết nối Project Genie với cơ sở dữ liệu Street View của Google Maps. Điều này cho phép AI xây dựng môi trường ảo dựa trên hình ảnh của những địa điểm ngoài đời.

Quy trình sử dụng có thể diễn ra như sau:

• Chọn một địa điểm trên Google Maps hoặc nhập tên địa điểm.
• Viết prompt mô tả phong cách hoặc kịch bản mong muốn.
• AI tạo ra một môi trường tương tác dựa trên hình ảnh Street View của khu vực đó.

Sau đó người dùng có thể di chuyển trong môi trường mô phỏng giống như trong game.

Vì môi trường được tạo ra động, người dùng cũng có thể biến đổi bối cảnh theo ý muốn. Ví dụ:

• thay đổi thời tiết
• biến một con phố hiện đại thành bối cảnh lịch sử
• hoặc tưởng tượng một thành phố như đang nằm giữa sa mạc

Những thay đổi này được tạo ra trực tiếp từ prompt của người dùng.

Người dùng hiện có thể làm gì với Project Genie

Project Genie không chỉ là công cụ tạo hình ảnh mà hoạt động giống trình xây dựng thế giới tương tác.

Một số khả năng hiện tại gồm:

• Tạo thế giới từ prompt: mô tả môi trường và AI sẽ dựng cảnh có thể khám phá.
• Khám phá theo thời gian thực: người dùng có thể di chuyển trong thế giới được tạo ra bằng các điều khiển thông thường.
• Bắt đầu từ địa điểm thật: Street View cho phép môi trường AI dựa trên các con phố hoặc địa danh có thật.
• Remix môi trường: thay đổi phong cách, bối cảnh hoặc điều kiện môi trường bằng prompt mới.

Kết quả trông giống một màn chơi game được tạo thủ tục (procedural generation) hơn là một hình ảnh hoặc video được render sẵn.

Project Genie hiện có thể dùng ở đâu

Project Genie hiện được phát hành dưới dạng nguyên mẫu thử nghiệm trong Google Labs.

Một số thông tin về quyền truy cập:

• Cần đăng ký gói Google AI Ultra.
• Người dùng phải từ 18 tuổi trở lên và đăng nhập bằng tài khoản Google cá nhân.
• Ban đầu công cụ được mở cho người dùng AI Ultra tại Mỹ.
• Một số báo cáo cho biết Google đang mở rộng dần cho người dùng AI Ultra trên toàn cầu, nhưng tính năng có thể khác nhau tùy khu vực.

Riêng khả năng tạo thế giới từ Street View hiện vẫn tập trung chủ yếu vào các địa điểm tại Mỹ trong giai đoạn đầu.

Công nghệ phía sau Project Genie

Project Genie được xây dựng trên Genie 3, mô hình “world model” do Google DeepMind phát triển.

Khác với các mô hình tạo nội dung thông thường, Genie 3 tạo ra môi trường tương tác hoàn chỉnh.

Một số đặc điểm kỹ thuật chính:

• Tạo thế giới theo thời gian thực: cảnh được dựng liên tục khi người dùng di chuyển.
• Khả năng điều hướng tương tác: người dùng có thể khám phá môi trường thay vì chỉ xem video.
• Hiệu năng khoảng 20–24 khung hình/giây với hình ảnh độ phân giải 720p.
• Tính nhất quán ngắn hạn: thế giới AI có thể duy trì logic và bố cục trong vài phút khi người dùng tương tác.

Về mặt kỹ thuật, mô hình dự đoán khung hình tiếp theo dựa trên các khung trước đó và hành động của người dùng, tương tự cách mô hình ngôn ngữ dự đoán token tiếp theo trong văn bản.

Những hạn chế hiện tại

Dù các bản demo khá ấn tượng, Project Genie vẫn là nguyên mẫu nghiên cứu và còn nhiều giới hạn.

Một số hạn chế đã được ghi nhận:

• Quyền truy cập hạn chế: cần gói Google AI Ultra.
• Giới hạn địa lý: Street View grounding chủ yếu hỗ trợ địa điểm ở Mỹ trong giai đoạn đầu.
• Độ ổn định phiên ngắn: môi trường chỉ giữ tính nhất quán trong vài phút.
• Tập hành động còn hạn chế: người dùng chưa thể tương tác với quá nhiều loại hành động khác nhau.

Vì vậy, hiện tại công nghệ này được xem là bản thử nghiệm nghiên cứu sớm, chưa phải nền tảng mô phỏng hoàn chỉnh cho sản phẩm thương mại.

Vì sao Google xây dựng “world model”

DeepMind coi Project Genie là một bước trong chiến lược phát triển AI có khả năng hiểu và mô phỏng thế giới.

Những ứng dụng tiềm năng gồm:

Game và nội dung tương tác

World model có thể giúp tạo bản đồ và môi trường game từ prompt, giảm đáng kể thời gian thiết kế thủ công.

Giáo dục và khám phá ảo

Khi kết hợp với Street View, học sinh có thể khám phá các thành phố, di tích lịch sử hoặc hệ sinh thái trong môi trường tương tác.

Huấn luyện robot và AI

Các mô phỏng là yếu tố quan trọng để đào tạo robot. Khả năng tạo ra vô số môi trường của Genie có thể cung cấp bài tập huấn luyện gần như không giới hạn cho AI và robot.

Bước chuyển lớn của AI: từ tạo nội dung sang mô phỏng thế giới

Phần lớn công cụ AI hiện nay tạo ra nội dung như văn bản, hình ảnh hoặc video.

Nhưng các hệ thống như Genie hướng tới mục tiêu lớn hơn: tạo ra toàn bộ môi trường có thể hoạt động và phản ứng theo thời gian.

Điều này mở ra khả năng cho:

• hệ thống AI ra quyết định trong môi trường phức tạp
• huấn luyện robot
• khám phá ảo mở
• trải nghiệm tương tác giống game

Project Genie vẫn còn ở giai đoạn đầu, nhưng nó cho thấy một hướng phát triển mới: nơi bản đồ, trò chơi, mô phỏng và môi trường huấn luyện AI có thể hội tụ vào cùng một nền tảng công nghệ.