作者对900余条X平台评论进行量化分类,揭示公众对世界模型的核心关注点在于场景持久性与物理一致性。
72小时公众反应总结:X(推特)上人们针对这篇帖子的真实言论。
Google DeepMind 推出了 Genie 4,称之为其“迄今为止最逼真、最具互动性的世界模型”,并配有一段短视频和一行邀请语,让人们实时探索环境,观察场景如何响应、声音效果如何,以及其中的人物如何移动、反应和说话。该帖子唯一的链接是其自身的视频(视频下方有一条来自 DeepMind 的回复,带有 http://goo.gle “了解更多”链接)。DeepMind 在同一线程中的后续回复补充了更多细节:基于 Gemini Omni 构建的 photorealism(照片级真实感)、用于空气动力学和碰撞的物理模拟、在运行过程中改变场景或添加元素的提示词、原生音频包括对话,以及用于保持较长事件连贯性的 Gemini 推理能力。该后续回复还指出,该模型将首先面向受信任的测试人员开放,而 Google AI Ultra 订阅用户、Project Genie 参与者以及早期的 API 和 AI Studio 合作伙伴将“很快”获得访问权限。这是实验室在宣布其自研模型,我们在此报道的是人们的反应,而非对其进行评级。数据如下:3,402,188 次查看,23,735 个赞,975 条回复,2,617 次转发,9,806 次收藏,总互动量 37,133。该帖子发布于 10 月 27 日东部时间下午 12:10,因此刚刚超过 72 小时节点。收藏量约为点赞数的五分之二,这符合人们保存演示视频以便再次观看的情况。
细微差别:X 报告有 975 条回复,搜索返回了我们能阅读的 956 条直接回复,其中包括一条 DeepMind 自己的后续回复,因此以下内容仅视为该子集。我们阅读并分类了全部 956 条回复。数量最多的群体是纯粹的惊叹,共 221 条。第二大群体关注其工作原理,许多人提出了相同的观点:世界模型必须保持你离开时物品的状态。最清晰的版本获得了 345 个赞,并提出了一项测试:打开一扇门,走开 30 秒,然后转身。“门还开着吗?那就是一个世界。门关上了?那就只是一个非常好的视频。”其他人询问场景在细节漂移前能维持多久,角色是否记得你对他们说的话,以及相同的输入是否产生相同的结果。另有 126 条讨论用途,主要集中在游戏和会说话的 NPC,然后是机器人和智能体训练、电影预可视化以及 VR。92 人询问如何获取访问权限、费用是多少,或者它到底是什么,有些人对目前仅限测试人员使用感到沮丧;有人将其描述为“为我们其他人准备的演示视频”。73 条是玩笑;该帖子下获赞最多的回复(1,628 个赞)是“现在把苍蝇的大脑放进去吧”。57 条持批评或担忧态度:有些人表示根本不想拥有 AI 世界,有些人称其为算力的浪费,还有人提出关于模仿、虚假证据以及儿童如何辨别现实的问题。37 条转向了模拟理论,27 条将其框架化为 Google 领先于竞争对手。其余的是 53 条纯链接、图片或表情符号,47 条推广或离题回复,以及 47 条其他评论。在 2,009 条引用转推中,我们抽样了最新的 48 条:21 条是其他引用的转推,其余 27 条原创引用大多呼应了上述回复。
辟谣:“最逼真”是 DeepMind 自己的描述,帖子或线程中没有任何内容将其与其他世界模型进行对比测量。几位回复者陈述了一些帖子本身未提供的数据,例如约两分钟的视频时长、是 Genie 3 的两倍,以及某个命名的 Gemini 模型检查每一帧;我们并未核实这些数据。少数观众质疑视频本身,指出鸟腿位置似乎互换、帧率混合以及他们认为最薄弱的配音部分,还有几人询问整个视频是否均为生成,但帖子并未说明。大多数反应是针对演示片段,且帖子未说明公众何时可以尝试使用。
#PublicReactionSummary #YourFutureLifeNow
来源:Your Future Life Now · x.com