Google DeepMind vừa công bố Genie 3, một mô hình AI “mô phỏng thế giới” thế hệ mới, có khả năng tạo ra các môi trường 3D mà người dùng có thể tương tác theo thời gian thực chỉ từ một câu lệnh văn bản. Công nghệ này được xem là một bước tiến quan trọng, hứa hẹn mở ra nhiều ứng dụng trong giáo dục, giải trí và huấn luyện các hệ thống AI phức tạp trong tương lai.
Genie 3 là gì và có gì đột phá?
Các mô hình thế giới (world models) là một loại hệ thống AI có khả năng mô phỏng môi trường cho các mục đích như giáo dục, giải trí, hoặc để huấn luyện robot và các tác nhân AI. Người dùng chỉ cần đưa ra một câu lệnh, mô hình sẽ tạo ra một không gian để họ có thể di chuyển và tương tác như trong một trò chơi điện tử.
So với các phiên bản trước, Genie 3 mang đến những cải tiến đáng kể, giải quyết nhiều hạn chế cố hữu.
- Tương tác thời gian thực: Genie 3 có thể tạo ra các thế giới động mà người dùng có thể điều hướng trong thời gian thực ở tốc độ 24 khung hình/giây và độ phân giải 720p.
- Thời gian tương tác dài hơn: Thời gian tương tác liên tục được kéo dài lên “vài phút”, một bước nhảy vọt so với 10-20 giây của Genie 2.
- Bộ nhớ hình ảnh tốt hơn: Mô hình có thể ghi nhớ các vật thể trong không gian khoảng một phút. Điều này có nghĩa là nếu người dùng quay đi và sau đó quay lại, các chi tiết như vết sơn trên tường hay chữ viết trên bảng đen sẽ vẫn ở đúng vị trí cũ.
- Sự kiện thế giới tùy chỉnh: Google bổ sung một tính năng gọi là “sự kiện thế giới có thể điều khiển bằng câu lệnh” (promptable world events), cho phép người dùng thay đổi các yếu tố trong thế giới ảo như điều kiện thời tiết hoặc thêm nhân vật mới chỉ bằng một câu lệnh.
Google DeepMind cho biết các mô hình thế giới là một bước đệm quan trọng trên con đường tiến tới Trí tuệ nhân tạo tổng quát (AGI). Chúng cho phép huấn luyện các tác nhân AI trong một chương trình giảng dạy không giới hạn với các môi trường mô phỏng phong phú.
Bằng cách mô phỏng thế giới, các mô hình này giúp tác nhân AI dự đoán môi trường sẽ phát triển như thế nào và hành động của chúng sẽ ảnh hưởng ra sao. Với khả năng duy trì tính nhất quán, Genie 3 cho phép thực hiện các chuỗi hành động dài hơn để đạt được những mục tiêu phức tạp hơn, một yếu tố quan trọng trong việc huấn luyện AI.
wtf.. this is mindblowing..
GoogleDeepMind just dropped Genie 3
you can generate interactive 3D world with text, navigate with keys and.. interact in real time.. AI is crazy
10 examples:
1. navigate to a car and open the door.. omg pic.twitter.com/r05AkET7rF
— el.cine (@EHuanglu) August 5, 2025
Những hạn chế và kế hoạch phát triển
Dù đạt được nhiều tiến bộ, Google cũng thừa nhận Genie 3 vẫn còn một số hạn chế.
- Không gian hành động giới hạn: Phạm vi hành động mà các tác nhân AI có thể thực hiện trực tiếp vẫn còn hạn chế.
- Tương tác phức tạp: Việc mô phỏng chính xác các tương tác phức tạp giữa nhiều tác nhân độc lập trong môi trường chung vẫn là một thách thức nghiên cứu.
- Độ chính xác địa lý: Genie 3 hiện chưa thể mô phỏng các địa điểm trong thế giới thực với độ chính xác địa lý hoàn hảo.
- Hiển thị văn bản: Văn bản rõ ràng và dễ đọc thường chỉ được tạo ra khi được cung cấp trong mô tả thế giới đầu vào.
Google's Genie 3 is capable of generating full 3D worlds.
But not only that, they are FULLY INTERACTIVE.
Here are the most incredible demos they shared: pic.twitter.com/L8S1zwvQ5c
— Matthew Berman (@MatthewBerman) August 5, 2025
Hiện tại, Genie 3 được phát hành dưới dạng “bản xem trước nghiên cứu giới hạn” cho một nhóm nhỏ các nhà khoa học và nhà sáng tạo. Google cho biết cách tiếp cận này cho phép họ thu thập phản hồi quan trọng để hiểu rõ hơn về các rủi ro và cách giảm thiểu chúng một cách phù hợp. Công ty đang “khám phá” cách đưa Genie 3 đến với nhiều người thử nghiệm hơn trong tương lai.
Mặc dù chưa được phát hành rộng rãi, sự ra đời của Genie 3 mở ra những tiềm năng lớn, đặc biệt cho ngành công nghiệp game và sáng tạo nội dung số. Đối với một thị trường năng động như Việt Nam, nơi ngành game và các nền tảng nội dung số đang phát triển mạnh mẽ, những công nghệ như Genie 3 có thể thay đổi cuộc chơi trong tương lai.
Việc tạo ra các thế giới ảo, các màn chơi hay bối cảnh phức tạp mà không đòi hỏi kỹ năng lập trình và thiết kế 3D chuyên sâu có thể giúp các nhà phát triển độc lập, các studio nhỏ và các nhà sáng tạo nội dung cá nhân tiết kiệm đáng kể thời gian và chi phí. Điều này có thể thúc đẩy sự đa dạng và đổi mới, cho phép nhiều ý tưởng sáng tạo được hiện thực hóa một cách dễ dàng hơn.
Nguồn: Google DeepMind, The Verge.
