谷歌母公司Alphabet旗下人工智能研究机构DeepMind发布了新一代AI代理"SIMA 2"。该代理被评估具备在从未见过的3D虚拟世界中理解问题并自主寻找解决方案的能力。DeepMind强调，这项技术最终将成为驱动现实世界机器人的通用人工智能发展关键转折点。
此次发布的SIMA 2是约18个月前首次亮相的SIMA的升级版本。SIMA是"可扩展指令型多世界代理"的缩写，初期仅能执行简单指令。而基于谷歌代表性大语言模型Gemini开发的最新模型SIMA 2，已进化到能理解复杂指令的水平。开发团队表示，SIMA 2支持对话交互，能像人类一样通过试错学习完成各类复合任务。
值得关注的是，SIMA 2即使在陌生环境中也能自主定位方向、识别目标并立即采取行动。这种能力在通过DeepMind另一生成模型Genie 3构建的全新虚拟环境中同样得以展现。研究团队指出："例如基于在旧游戏中学到的'采矿'概念，它能在完全不同的游戏中执行'收割'任务，实现概念迁移。"
本次升级的显著特征是突破了单纯指令执行，实现了自主认知、推理与行动。用户可通过文本、语音或图像向SIMA 2下达指令，模型能在此过程中积累经验并快速适应。实际测试显示，初代版本任务完成率平均为31%，而SIMA 2跃升至65%，已接近人类平均71%的水平。
SIMA 2还具备观察人类示范后自主学习的"演示到自主"功能。在三星电子、特斯拉等制造业巨头持续开发类似自主系统的背景下，SIMA 2的设计考虑了在工厂、仓库等现实场景的应用潜力。DeepMind强调："SIMA 2在虚拟环境中掌握的导航、工具使用、协作等技能可轻松移植到现实空间。"
DeepMind高级研究员弗雷德里克·贝斯表示："机器人要完成现实任务，必须兼具高层次目标理解能力与精密物理运算能力"，并指出SIMA 2正同步提升这两项条件。但他也提到，该系统在超长多阶段任务和需要视觉识别的复合任务方面仍有不足。
SIMA 2的问世意味着通用人工智能开发取得重大进展。分析认为，这种能在交互环境中自主学习适应，以类人方式思考行动的技术，或将重塑未来AI机器人与代理市场的竞争格局。
