AI 生成的世界能训练出 AGI 吗

Google 宣传 Genie 3 是"通向 AGI 的垫脚石"。这个说法有一个核心假设：在模拟世界里训练出来的 AI，能够迁移到真实世界中。

这个假设成立吗？

论点

支持者的逻辑大概是这样的。

人类之所以能发展出通用智能，是因为我们生活在一个丰富的物理世界里。我们通过与世界的交互学会了因果推理、空间认知、物体操控。这些能力不是从书本上学来的，而是从经验中长出来的。

当前的大语言模型只接触文本数据。文本是对世界的二手描述，不是世界本身。模型可以知道"杯子掉下来会摔碎"，但它没有真正"体验"过这个过程。这种抽象的知识可能不足以支撑通用智能。

世界模型提供了一个解决方案：让 AI 在模拟的物理环境中学习。Genie 3 可以生成无限多样的 3D 世界，AI Agent 可以在里面自由探索、尝试、犯错。这种体验式学习可能是通向 AGI 的关键。

质疑者也有自己的论点。

模拟不等于真实。Genie 3 生成的世界只是"看起来像"真实世界，物理规则是从统计数据中学来的，不是精确模拟的。在这样的世界里学到的东西，能迁移到真实世界吗？

一个经典的例子：机器人在模拟器里学会了走路，放到真实环境里可能就摔倒。模拟器里的地面摩擦力、关节阻尼、传感器噪声都和真实不一样。这个问题有个专门的名字叫"sim-to-real gap"，是机器人领域的老大难。

Genie 3 的 sim-to-real gap 可能更大。它甚至不是基于物理引擎的精确模拟，而是神经网络的近似生成。

计算成本问题。用世界模型训练 AI，每走一步都要生成一帧画面。这比在传统模拟器里运行要昂贵得多。如果成本太高，实际能做的实验就很有限。

可能走错方向。也许 AGI 根本不需要物理世界的经验。人类的智能确实依赖身体交互，但那可能只是演化的偶然结果，不是智能的本质需求。AI 可以走一条完全不同的路。

我觉得更合理的立场在两个极端之间。

世界模型对某些类型的 AI 肯定有价值。需要与物理世界交互的系统——机器人、自动驾驶、游戏 NPC——确实需要某种形式的"物理直觉"。在模拟环境中预训练，再在真实环境中微调，这个路线是可行的。

但把这一点外推到"世界模型是 AGI 的必经之路"，跳得太远了。

AGI 的定义本身就有争议。如果 AGI 只是"能做很多事情的 AI"，那么当前的大模型已经有这个趋势。如果 AGI 是"像人一样思考的 AI"，那需要的可能不只是更多数据或更好的训练环境。

Google DeepMind 在世界模型上投入重注，这不是偶然。

这家实验室的基因来自强化学习。AlphaGo、AlphaStar、AlphaFold 都是让 AI 在特定环境中学习解决问题。世界模型是这个思路的自然延伸：如果环境可以自动生成，学习的范围就不再受限于人工设计的任务。

Demis Hassabis 多次表达过对"世界模型"的重视。他认为智能的核心是建立对世界的内在模型，然后用这个模型进行规划和推理。从这个角度看，Genie 不只是一个产品，而是整个 AGI 研究战略的一部分。

当然，这只是一种理论。DeepMind 的竞争对手们有不同的看法。OpenAI 更侧重于语言模型的规模扩展，Anthropic 关注安全和对齐，Meta 押注开源生态。没人知道哪条路会先到达终点。

放下宏大的 AGI 叙事，看看现在实际能做到什么。

DeepMind 已经用 Genie 2 训练过 AI Agent（他们叫 SIMA）。这些 Agent 能在生成的 3D 环境中导航、完成简单任务。表现不算惊艳，但证明了这条路线的可行性。

问题是，这些 Agent 的能力还很窄。它们能在 Genie 生成的世界里走来走去，但放到不同风格的环境里就可能失效。泛化能力有限。

这可能正是需要解决的问题。如果能训练出一个在任意 Genie 环境中都能工作的 Agent，那离"通用"就近了一步。但目前还没有看到这样的成果。

把世界模型和 AGI 挂钩，更像是一种叙事策略而不是技术论断。

"我们在做一个能生成 3D 场景的工具"听起来不够激动人心。"我们在建造通向 AGI 的垫脚石"就能引起关注、吸引投资、招募人才。

这不是说 DeepMind 在骗人。他们可能真的相信这个愿景。但愿景和现实之间有很大的距离，而且通向愿景的路可能有很多条。

对于普通观察者来说，把 Genie 3 当作一个有趣的技术产品来看待就够了。它能生成可交互的 3D 世界，这本身就有价值。至于能不能通向 AGI，让时间来验证吧。

如果五年后 AGI 真的出现了，而 Genie 是其中的关键组件，那 Google 的赌注就赢了。如果 AGI 从另一条完全不同的路走出来，Genie 仍然可以作为一个独立的产品存在，只是少了光环加持。

不管怎样，这个方向值得关注。世界模型是 AI 研究的前沿领域，接下来几年会有很多有意思的进展。