Project Genie：Google 如何把 Street View 變成可探索的 AI 世界

從 Street View 照片到可探索世界

最新版本的 Project Genie 與 Google Maps 的 Street View 資料庫結合，使 AI 能以現實世界影像作為基礎生成互動環境。

在實際操作上，流程大致如下：

• 使用者在 Google Maps 中選擇一個地點，或輸入真實位置。
• 加入文字提示，描述想要的風格或情境。
• 系統生成一個基於該地點影像的 AI 世界。

完成後，使用者就能像在玩遊戲一樣 在該地點的 AI 模擬版本中移動與探索。

因為環境是即時生成的，場景也可以被重新想像，例如：

• 改變天氣或時間
• 把現代街道變成歷史時代
• 將城市街區變成沙漠或其他幻想場景

這些變化都能透過提示指令完成。

使用者目前可以做什麼

Project Genie 更像是一個 互動式世界生成工具，而不是單純的影像生成器。

目前已展示的能力包括：

• 用提示生成世界： 描述環境後，AI 會生成可導航的場景。
• 即時探索： 使用者可用類似遊戲的移動方式在世界中行走。
• 以真實地點為起點： Street View 整合讓環境可從現實街道或地標生成。
• 重新混合環境： 可透過提示改變風格、情境或環境條件。

因此它更像是 AI 自動生成的遊戲關卡或模擬場景，而不是一張圖片或影片。

可用性與存取方式

Project Genie 目前仍是 Google Labs 的實驗性原型產品。

主要存取條件包括：

• 需要訂閱 Google AI Ultra。
• 使用者必須 年滿 18 歲並使用個人 Google 帳號登入。
• 最初只向 美國的 AI Ultra 訂閱者推出。
• Google 表示會逐步擴展到更多地區。

至於 Street View 生成世界的功能，目前部署仍 主要集中在美國地點，未來可能逐步擴展到其他國家。

背後的核心技術：Genie 3

Project Genie 的核心是 Google DeepMind 的 Genie 3 世界模型。

與傳統生成式 AI 不同，它不是產生固定媒體，而是生成 可互動的環境本身。

主要技術特點包括：

• 即時世界生成： 使用者移動時環境會同步生成。
• 可持續導航互動： 使用者可以持續探索，而不是觀看預先生成影片。
• 約 20–24 fps、720p 畫面輸出。
• 短時間環境一致性： 世界在互動過程中可維持幾分鐘的連貫性。

從技術角度看，系統會根據 先前畫面與使用者動作預測下一個畫面，就像大型語言模型預測下一個文字 token 一樣。

目前的限制

儘管展示效果相當驚人，Project Genie 仍是一個早期研究原型。

目前已知限制包括：

• 存取門檻高： 需要 Google AI Ultra 訂閱。
• 地理限制： Street View 生成目前主要支援美國地點。
• 場景穩定時間有限： 環境通常只維持幾分鐘的連貫性。
• 互動種類有限： 可執行的行動仍較少。

因此目前更適合被視為 研究實驗平台，而不是成熟的模擬或遊戲引擎。

Google 為什麼要做「世界模型」

DeepMind 將 Genie 視為邁向更通用 AI 系統的一個重要方向：讓 AI 不只生成內容，而是能 理解並模擬整個環境。

遊戲與互動媒體

世界模型可能大幅加速遊戲開發流程，因為設計師可以透過提示快速生成可玩的環境，而不是完全手動建模。

教育與虛擬探索

若與 Street View 等真實資料結合，學生未來可能透過互動模擬探索城市、歷史地點或自然環境。

機器人與 AI 訓練

機器人與 AI 代理通常需要大量模擬環境訓練。Project Genie 能生成無限變化的世界，可能成為訓練場景的重要來源。

更大的轉變：從「生成內容」到「模擬世界」

目前多數生成式 AI 工具主要產生 文字、圖片或影片。但像 Genie 這樣的世界模型，目標是生成 會持續運作並可互動的環境。

這種轉變意味著 AI 不只是創作內容，而是能建立完整的模擬系統，支援：

• 複雜決策模擬
• AI 代理互動
• 機器人訓練
• 開放式探索

Project Genie 還在早期階段，但它已經展示了一個可能的未來：地圖、遊戲、模擬與 AI 訓練環境，最終可能融合成同一個 AI 平台。