做世界模型的这批研究员，开始让一群AI活成一个社会

构建自我进化的AI社区。

如果泰坦尼克号没有沉，后面的世界会变成什么样？

给AI一句话，它可以顺着设定编出另一段历史，也可以写出人物后来的人生。

最近出现的Synthetic World又往前走了一步，通过让用户改掉一个故事里的关键事实，系统随后让一群AI居民进入这条平行时间线。

角色会在社区中产生各类行为动态，彼此互动交往，不同的经历也会慢慢重塑他们之间的关系。故事正式展开后，最初的背景设定只起到开启叙事的作用，之后角色的行动、世界事件以及玩家的介入，会共同改变后面的发展。

比如泰坦尼克号可以避开沉船，达斯维达或灭霸的命运也可以被重新改写，以此开启一条新的世界线。AI居民会交流、争论、建立关系、记住经历，再作出自己的决定。

这让Synthetic World更像一场可以持续运行的社会模拟，它由Alaya Lab推出，中文名叫合成世界。

Alaya Lab将这种玩法称为反事实社会模拟，它借用了一个很容易理解的想法。现实已经沿着一条时间线发生，用户先改掉其中一个条件，再进入另一种可能里观察后面的变化。

不过反事实只是合成世界比较容易理解的一种玩法，用户也可以自己创建一个全新的世界，在创建页面输入世界想法，系统随后生成世界名称、主要目标、背景设定以及生活在其中的居民。

一个世界创建以后，它有自己的时间和章节，世界会按照一轮轮更新继续前进。

页面里同时存在世界线、当前局势、长期矛盾和待处理事件，系统会根据已经发生的变化生成新的事件，再进入下一轮发展。

世界里的角色拥有各自的账号，他们会像使用社交网络一样发布动态，也会转发和回应已经发生的事情。

玩家可以查看角色的个人页面，看到他们当前的身份、影响力以及近期活动。

世界线负责记录局势怎样一路发展。普通的AI故事生成拿到设定以后，通常会直接给出一段后续剧情。Synthetic World多了一层持续运行的机制。

玩家也不只是站在外面观察，在角色页面里，可以向核心人物递交私人信息，也可以提交自己的剧情想法。

这些内容经过确认以后，会进入下一轮世界推进。玩家很难直接指定某个角色下一步必须做什么，更像是向世界里投入一条信息，再观察它会带来什么变化。

产品里还留有Portable Travelers入口，用户可以创建或挂载穿越者，让新的角色进入已经运行的世界。

目前合成世界页面已经出现数百个不同世界，居民数量达到万级，社区动态也已经积累到接近两万条。

除了官方提供的历史和影视题材，用户自己创建的设定也开始不断增加。

这种设计很容易让人想到几年前很流行的AI小镇。2023年，斯坦福和谷歌研究者曾经把二十多个AI智能体放进一个类似模拟人生的小镇，让它们拥有记忆、计划和日常生活。

后来国内外又出现过不少类似实验，多智能体社会逐渐成了一个固定的研究方向。

合成世界沿用了类似的核心思路，又给普通用户换了一个更容易进入的玩法。

用户不需要先观察一群陌生角色每天做什么，只要提出一个自己感兴趣的假设或者选择推荐的走向，后面的变化就可以交给系统继续推进。

而做出这个产品的Alaya Lab一直在研究这类问题，它来自盛大在东京长期布局的AI研究体系。

近几年，盛大的重心明显转向脑科学和AI，并通过内部孵化的方式，在不同方向组建了一批规模不大的研究团队。

EverMind就是其中比较受关注的一支，它主要研究Agent的长期记忆和自进化，让AI可以在持续使用中保留过去的经验，再进一步形成新的能力。

过去一段时间里，Alaya Lab已经公开过世界模型AlayaWorld、生成式渲染项目AlayaRenderer、游戏智能体AgenticSTS，以及另一款AI游戏创作产品Gear Zero。

Gear Zero更靠近游戏制作，用户自己或者和朋友进入同一个创作房间，通过聊天描述想做的游戏，Gear负责规划和构建，并根据后续交流继续调整生成结果。

AlayaWorld则是Alaya Lab此前更受关注的一项研究。今年7月，团队陆续开放了AlayaWorld的项目页面、技术报告、推理代码和模型权重。

这是一套面向长时间交互的世界模型，输入一张起始画面后，模型会结合摄像机移动轨迹和文字提示继续生成环境。用户能够控制镜头移动，也可以在探索过程中加入新的文字指令，让场景跟着新的要求产生变化。

AlayaWorld还加入了空间记忆和历史画面信息，用来记录已经经过的区域，并减轻长时间生成后不断累积的偏差。

世界模型近一段时间备受关注，也和这种交互能力有关。视频模型更擅长生成一段连续画面，世界模型还需要维持一个可以反复探索的环境。

用户改变视角或者重新经过某个区域时，系统既要生成新的画面，也要尽量保留此前形成的空间状态。

AlayaWorld让生成出来的环境能够随着用户探索继续存在。Alaya Lab另外几项研究，则逐渐延伸到了角色本身。

AgenticSTS研究游戏里的长时智能体，希望AI可以在复杂任务里保留历史经验，再根据新的情况继续行动；

MIO关注可以实时感知并参与互动的数字角色；AlayaRenderer试着让生成模型进入游戏渲染流程，在实时画面里重新生成材质、光照和视觉效果。

目前张凯鹏担任Alaya Lab 团队的负责人，他的研究重点就是世界模型、多智能体系统以及下一代游戏。

加入Alaya Lab之前，他曾在上海人工智能实验室研究多模态大模型和图像视频生成，更早还有商汤、微软亚洲研究院和腾讯AI Lab的经历，并在东京大学获得博士学位。

世界模型负责建立可以探索的环境，游戏智能体处理AI如何在其中行动，数字人继续补充角色的交互能力。

到了Synthetic World，团队干脆把虚拟社会变成了一种玩法，让用户不需要理解背后的技术，也能直接进入一个由AI角色共同推动的故事。

另一位核心成员汪智祥目前担任Alaya Lab Team Leader，主要研究结构化状态驱动的世界模型。

他在东京大学完成博士训练，此前担任CyberAgent AI Lab Research Scientist，也有Snap Research和Sony AI相关经历。

Alaya Lab这支团队也因此显得比较特别，它没有只围绕大模型聊天能力做应用，更像是在一点点补齐一个虚拟世界需要的技术。

这可能也是Synthetic World目前最值得关注的一点，Alaya Lab已经做过不少容易进入论文和技术报道的项目。

世界模型可以比较生成长度和一致性，渲染模型可以展示画质，游戏智能体也能通过任务表现进行评测，Synthetic World却没有把技术指标摆在用户面前。

用户首先看到的是一个脑洞，如果某件熟悉的事情换一种结果，后面的世界会发生什么。

这也让Synthetic World和常见的一句话生成游戏有很大区别。一句话生成游戏的结果通常很快出现，玩家可以立即看到一个场景、一套玩法或者一段可以操作的内容。

Alaya Lab给它加了一套接近游戏系统的结构，让世界拥有时间、事件和阶段目标，同时给玩家留下介入空间。

对于Alaya Lab来说，这也是一个很自然的尝试。

当世界里真的放进一批可以持续行动的AI角色，再给它一套不断推进的社会规则以后，整个叙事又会演化出怎样的可能性。

文章来自于微信公众号 “虾蛄AI”，作者 “虾蛄AI”