Sora核心作者掌舵，谷歌世界模型新團(tuán)隊全球招募：百萬底薪起步
“要制作大量世界模型”
衡宇 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
最新消息，Sora核心作者，將領(lǐng)導(dǎo)谷歌世界模型團(tuán)隊！
Tim Brooks——帶隊Sora研究的兩位負(fù)責(zé)人之一，也是DALL-E 3作者之一，剛剛發(fā)布了一條熱情四溢的推特，廣納天下英才：
DeepMind有雄心勃勃的計劃，要制作大量世界模型。
向著這個使命，我開始招募一個新團(tuán)隊?？靵砑尤胛覀儼?！
Brooks是AI圈子里十分耀眼的新秀，2023年剛剛從UC伯克利博士畢業(yè)。
2023年1月起，Brooks開始帶隊研究Sora；2024年2月，Sora初亮相。
但在去年10月，Brooks突然官宣離開OpenAI，跳槽谷歌DeepMind。
當(dāng)時，谷歌DeepMind的CEO Demis Hassabis就在該推文下回復(fù)表示，Brooks將幫助“將世界模擬器這一長期夢想變?yōu)楝F(xiàn)實”。
現(xiàn)在，Brooks真的要帶隊谷歌的世界模型團(tuán)隊了，并且是從頭開始一手招募籌建。
并且，有人抓住了官宣推文中的華點(diǎn)：
Models，這意味著谷歌要制作的世界模型不是一個，而是很多個！
而官宣推文下面，幾乎都是網(wǎng)友的祝福之語：
谷歌組建世界模型新團(tuán)隊
目前，Tim Brooks的領(lǐng)英和推特自我簡介都顯示為：
– video gen + world sim at DeepMind
– ex-OpenAI Sora Lead
關(guān)于“video gen”，Brooks加入谷歌DeepMind的時間，在廣受好評的Veo 2.0發(fā)布之前。
a16z的投資人曾對著Veo 2.0驚嘆，難以置信不到一年的時間里，視頻模型進(jìn)展如此神速。
目前，Veo 2已經(jīng)登錄VideoFX，預(yù)計明年它將進(jìn)軍YouTube Shorts等平臺，為內(nèi)容創(chuàng)作者開啟全新的可能性。
而“world sim”，應(yīng)該就是目前正在招募的新團(tuán)隊的肩上重?fù)?dān)了。
根據(jù)Brooks鏈接的招聘頁面，新團(tuán)隊會和谷歌旗下Gemini、Veo和Genie等團(tuán)隊合作，并在此基礎(chǔ)上解決關(guān)鍵的新問題，將世界模型擴(kuò)展到最高計算水平。
團(tuán)隊將致力于在構(gòu)建的世界模型之上開發(fā)“實時交互生成”工具；并研究如何將世界模型們與現(xiàn)有的多模態(tài)模型，如Gemini等集成。
官方顯示，谷歌世界模型團(tuán)隊主要招納兩種人才，均要求碩士或博士學(xué)位：
- 研究科學(xué)家：（美國）全職底薪范圍在136,000美元～245,000美元之間，加獎金、股權(quán)和福利。
- 研究工程師：（美國）全職底薪范圍在136,000美元～245,000美元之間，加獎金、股權(quán)和福利。
（注：申請崗位時可附上目標(biāo)地點(diǎn)的具體薪資范圍）
△科學(xué)家要求（左圖）和工程師要求（右圖）
谷歌還表示，他們相信，在視頻和多模態(tài)數(shù)據(jù)上擴(kuò)展預(yù)訓(xùn)練（劃重點(diǎn)）是實現(xiàn)AGI的關(guān)鍵路徑。
而世界模型將推動眾多領(lǐng)域，如視覺推理和模擬、具身智能體的規(guī)劃以及實時交互娛樂。
谷歌對世界模型的（現(xiàn)階段）理解是什么？
看看去年年底發(fā)布的Genie 2，或許可以管窺一二。
24年12月5日，谷歌發(fā)布了Genie 2，它是一種自回歸潛空間擴(kuò)散模型，在大型視頻數(shù)據(jù)集上訓(xùn)練。
Genie 2可以實現(xiàn)一張圖生成無限多樣的3D游戲世界，生成的3D世界可響應(yīng)鍵鼠操作，可玩、可控制。
與此前研究相比，Genie 2擁有長期記憶，即使玩家把視角轉(zhuǎn)開，再回來時也可穩(wěn)定渲染世界中已存在的部分；游戲世界中還可以有其他AI NPC存在，與玩家控制的角色進(jìn)行復(fù)雜交互。
但最重要的目標(biāo)，不是拿來玩——
Genie 2可用于訓(xùn)練和評估具身智能體，通過創(chuàng)建豐富多樣的環(huán)境，可以生成AI在訓(xùn)練期間沒見過的評估任務(wù)。
盡管這項研究仍處于早期階段，在智能體和環(huán)境生成能力方面仍有大量改進(jìn)空間，但谷歌表示：
我們相信Genie 2是解決在安全訓(xùn)練具身智能體的同時，滿足實現(xiàn)通往AGI所需的廣度和通用性要求。
△Genie 2能通過prompt訓(xùn)練Agent打開正確的門
世界模型，下一個角逐賽點(diǎn)？
2024年，AI技術(shù)在多元方向持續(xù)突破，視頻生成、世界模型、具身智能和空間智能等技術(shù)推動了人類對AGI的探索。
尤其在世界模型領(lǐng)域，許多初創(chuàng)公司和大型科技公司正在追逐世界模型。
也難怪乎網(wǎng)友在看到Tim Brooks廣發(fā)英雄貼后，在reddit上發(fā)出這樣的感慨：
令人驚訝的是，如果這條新聞出現(xiàn)在五年前，我們會驚掉下巴。
但現(xiàn)在，我們就像對待一個普通的星期二一樣對待它。
事實上，世界模型反映了長久以來許多AI研究人員對model-based RL工作的無奈和期待：
模型不夠準(zhǔn)確，那么完全在模型里訓(xùn)練的強(qiáng)化學(xué)習(xí)效果就不好。
如果能獲得準(zhǔn)確的世界模型，就能在世界模型中反復(fù)試錯，找到現(xiàn)實的最優(yōu)決策。
據(jù)量子位智庫《2024年度AI十大趨勢報告》，在世界模型領(lǐng)域，研究者們致力于開發(fā)能夠模擬和理解真實世界的模型，核心在于通過學(xué)習(xí)大量數(shù)據(jù)，使模型能夠自然涌現(xiàn)新的行為和決策能力。
Techcrunch則盤點(diǎn)到，在追逐世界模型的諸多玩家中，除了谷歌這樣的科技巨頭，還有不少耀眼的初創(chuàng)玩家。
譬如李飛飛的World Labs（雖然現(xiàn)在大家更多將它的目標(biāo)定位于空間智能），以及Decart、 Odyssey等公司。
該領(lǐng)域普遍認(rèn)為，世界模型可能能用來創(chuàng)建交互式媒體，如視頻游戲和電影；以及運(yùn)行現(xiàn)實模擬，如機(jī)器人/具身智能的訓(xùn)練環(huán)境。
目前，除了技術(shù)尚未達(dá)到心目中的理想水平，還有幾道坎擺在世界模型前進(jìn)之路上。
一個是版權(quán)，一些世界模型似乎是在游戲游玩剪輯片段上訓(xùn)練的。
那咱就不得不提谷歌世界模型新團(tuán)隊的最大優(yōu)勢了——是誰擁有Youtube里上億小時的游戲視頻數(shù)據(jù)，我不說。
另一個是相關(guān)內(nèi)容創(chuàng)作從業(yè)者的反對。
不過值得一提的是，其中一些初創(chuàng)玩家，如Odyssey，承諾將與3D內(nèi)容領(lǐng)域的創(chuàng)意從業(yè)者合作作，而非取代他們。
暫不知道谷歌會怎么做。
One More Thing
最后，提一個網(wǎng)友們從谷歌世界模型新團(tuán)隊JD細(xì)則里發(fā)現(xiàn)的華點(diǎn)。
谷歌DeepMind寫道：
We believe?scaling pretraining on video and multimodal data?is on the critical path to artificial general intelligence.
劃重點(diǎn)， scaling pretraining。
而早些時候，在NeurIPS上，Ilya公開宣判：
預(yù)訓(xùn)練時代即將終結(jié)！
雖然也可以理解為，Ilya特指的是大語言模型的預(yù)訓(xùn)練時代，谷歌DeepMind特指的是世界模型的預(yù)訓(xùn)練。
但……誰知道呢，你說是不（手動狗頭）。
參考鏈接：
[1]https://techcrunch.com/2025/01/06/google-is-forming-a-new-team-to-build-ai-that-can-simulate-the-physical-world/
[2]https://techcrunch.com/2024/10/03/a-co-lead-on-sora-openais-video-generator-has-left-for-google/
[3]https://www.linkedin.com/in/timothyebrooks/
[4]https://x.com/_tim_brooks/status/1876327325916447140
[5]https://www.reddit.com/r/singularity/comments/1hvbzyp/google_is_forming_a_new_team_to_build_ai_that_can/
