Google 將 Street View 變成可互動 AI 世界：Project Genie 點樣做到？

這類技術屬於研究人員所說的 「世界模型（World Model）」——即 AI 不只是生成圖片或影片，而是能即時模擬整個環境並回應用戶行為。

由街景照片變成可探索世界

最新版本把 Project Genie 與 Google Maps 的 Street View 資料庫連接起來，讓 AI 生成的環境可以以真實世界影像為基礎。

基本流程大概是：

• 在 Google Maps 選擇一個地點或指定真實地標
• 用文字描述想要的風格或情境
• 系統生成一個以該街景為基礎的 AI 世界

完成後，用戶可以 像在遊戲中一樣四處移動和探索該地點的 AI 模擬版本。

因為環境是即時生成的，用戶亦可以改變設定，例如：

• 改變天氣或時間
• 把現代城市變成歷史場景
• 將城市街區改成沙漠或其他幻想風格

換句話說，同一條街可以被 AI 「重新想像」成完全不同的世界。

現時 Project Genie 可以做到什麼

Project Genie 更像是一個 互動世界生成器，而不是單純的圖像或影片生成工具。

目前功能包括：

• 文字生成世界：輸入描述即可生成可探索環境。
• 即時探索：用戶可透過基本移動操作在世界中導航。
• 真實地點生成：利用 Street View 圖像建立基於現實地點的場景。
• 世界重混（remix）：透過提示修改風格、場景或環境條件。

因此它更接近 AI 即時生成的遊戲地圖，而不是一張圖片或一段影片。

誰可以使用？在哪裡可以用？

目前 Project Genie 仍然屬於 Google Labs 的研究原型產品。

主要使用條件包括：

• 需要訂閱 Google AI Ultra 計劃。
• 用戶必須 18 歲以上並使用個人 Google 帳戶登入。
• 初期主要向 美國用戶推出，之後逐步擴展。
• 有報導指正逐步向全球 AI Ultra 訂閱者開放，但功能可能因地區不同而有所限制。

至於 Street View 真實地點生成功能，早期部署主要集中在 美國地點，其他地區預計會逐步加入。

背後核心技術：Genie 3 世界模型

Project Genie 由 Google DeepMind 的 Genie 3 世界模型驅動。

與一般生成式 AI 不同，它不是輸出靜態內容，而是 直接生成可互動的世界。

主要技術特點包括：

• 即時生成世界：玩家移動時環境持續生成。
• 互動導航：用戶可以在場景中自由探索。
• 約 20–24 FPS、720p 畫面輸出。
• 短時間環境一致性：場景可以維持數分鐘的連貫互動。

技術上，系統會根據 之前生成的畫面 + 用戶行動預測下一個畫面，原理有點類似大型語言模型預測下一個詞語。

目前仍然存在的限制

儘管展示效果吸引，Project Genie 仍然只是研究原型，存在不少限制。

已知限制包括：

• 存取門檻高：目前只向高階 AI Ultra 訂閱者開放。
• 地區限制：Street View 世界主要支援美國地點。
• 環境一致性時間有限：世界通常只能維持幾分鐘的穩定互動。
• 互動種類仍然有限：玩家可進行的動作仍較簡單。

因此目前更適合理解為 AI 研究展示與原型技術，而不是完整產品級模擬平台。

Google 為何要做「世界模型」？

Google DeepMind 認為，像 Genie 這類 世界模型 AI 是通往更通用 AI 系統的重要一步。

潛在應用包括：

遊戲與互動內容

AI 可以從提示直接生成可玩的場景，未來或大幅加快遊戲地圖與世界設計流程。

教育與虛擬探索

如果結合 Street View 的真實地點，學生可以在互動模擬中探索城市、歷史地點或自然環境。

機械人與 AI 代理訓練

AI 與機械人需要大量模擬環境進行訓練，而 Genie 可以生成 幾乎無限數量的模擬世界作為訓練場。

一個更大的轉變：從生成內容到模擬世界

大多數生成式 AI 工具主要創作 內容（文字、圖片、影片）。

但像 Genie 這類系統正在嘗試生成 完整且可互動的環境。

這種轉變意味著 AI 模型未來可以支持：

• 複雜決策模擬
• 具身 AI（embodied AI）代理
• 機械人訓練
• 開放式探索

Project Genie 仍處於早期階段，但它展示了一個可能的未來：地圖、遊戲、模擬與 AI 訓練環境可能最終融合成同一種平台。