谷歌DeepMind公开了下一代AI代理SIMA 2，加速了通用AI技术的竞争。
SIMA 2通过整合Gemini扩展了环境理解和推理能力，并显著提高了执行复杂任务的能力。研究团队解释说，SIMA 2具备自我积累经验以提高性能的结构。
谷歌DeepMind去年3月首次公开了SIMA 1。当时，SIMA 1是在各种3D游戏数据的基础上进行训练的代理，可以在多个虚拟环境中执行指令。然而，完成复杂任务的比例仅为31%，显示出明显的局限性。为了解决这些问题，DeepMind开始研发SIMA 2。
DeepMind首席研究员Joe Marino解释说，SIMA 2的性能相比SIMA 1提高了一倍。他表示，SIMA 2可以在没有先前经验的环境中完成复杂的任务。
SIMA 2在没有先前环境经验的情况下也能处理任务。
Marino表示，SIMA 2的最大变化在于“即使在首次接触的环境中也能完成复杂的任务”。他指出，SIMA 2具备基于经验提升能力的自我改进结构，可以看作是通用AI研究的一个阶段。
DeepMind强调了“嵌入式代理（Embodied Agent）”的概念。嵌入式意味着“以具体形态实现”。嵌入式代理类似于机器人，在直接观察和行动中完成任务。而非嵌入式代理则在屏幕上进行如整理日程或管理备忘录的操作。研究团队解释说，嵌入式代理是通用AI研究的核心概念，必须在多种环境中完成任务。
DeepMind高级研究员Jane Wang表示，SIMA 2的变化并不限于简单的游戏操作能力。她解释说，SIMA 2设计用于理解现象并以常识性的方式处理用户请求的任务。
DeepMind通过演示公开了SIMA 2的行为方式。在游戏《无主之地》中，SIMA 2描述了周围环境并识别了遇难信号灯进而判断出行路径。研究团队解释说，“代理观察环境后自动决定下一步行动”。
SIMA 2不仅结合了语言信息，还结合了色彩和物体信息来进行推理。研究团队演示了“SIMA 2移动到番茄色的房子”这一指令，SIMA 2将番茄色与“红色”联系起来并选择了目标对象。研究团队表示，内部推理过程被设计得可直接显示。
SIMA 2还完成了基于表情符号的指令。Marino解释说，“输入斧子()和树木()等表情符号后，SIMA 2执行了砍树的行动”。
DeepMind表示，在由生成模型Genie创建的照片级虚拟世界中，SIMA 2识别并与长凳、树木和蝴蝶等物体进行互动。
与依赖于人类数据的SIMA 1不同，SIMA 2采用了自学习结构。据DeepMind介绍，SIMA 2在创建初期模型时使用了人类玩家的数据，然后在新环境中基于Gemini生成新的任务。奖励模型会评估行为，代理则通过学习相应的行为提高性能。
DeepMind解释说，通过这种方式，代理通过试错过程自主扩展行动能力。这一结构摆脱了人类必须直接提供所有数据的模式。
DeepMind高级研究工程师Frederic Vess表示，SIMA 2更接近于机器人任务中所需的高维判断和任务理解能力。他指出，为了机器人能移动到特定位置，必须先理解目标和空间信息的概念，而SIMA 2就是在处理这些领域。
DeepMind表示，SIMA 2在实际机器人系统中的应用时间尚未确定。DeepMind正在开发一个独立的机器人基础模型。DeepMind表示，SIMA 2预览版的发布目的是评估其可用性和合作潜力。