Vibe Minecraft: un modello di mondo in tempo reale, auto-consistente e multi-giocatore che consente di costruire qualsiasi cosa e evocare qualsiasi oggetto. La funzione degli strumenti e persino le meccaniche di gioco possono essere programmate tramite linguaggio naturale, come "piccone cronologico: riporta qualsiasi blocco a uno stato precedente nel tempo" e "le cascate si trasformano in un ponte arcobaleno quando i unicorni passano". I giocatori definiscono e manipolano collettivamente un mondo condiviso. Il simulatore neurale prende come input un prompt di sistema *multimodale*: regole di gioco, png degli asset, una mappa globale e uova di Pasqua. Salva periodicamente gli stati di gioco come una sequenza di vettori latenti che possono essere ricaricati nel contesto, eventualmente con "testi di guida" intercalati per consentire una facile modifica. Ogni giocatore ha il proprio stat json esplicito (salute, inventario, coordinate 3D) così come "vettori di giocatore" impliciti che catturano la storia delle interazioni di ordine superiore. Gli amministratori del gioco possono creare un multiverso di Minecraft perché i latenti sono compatibili tra diversi server. Ogni mondo può attraversare senza soluzione di continuità un altro per generare nuovi mondi in pochi secondi. Le persone possono mescolare e abbinare con gli stati passati dei loro amici o i propri. "Vettori rari" possono emergere poiché alcuni giocatori inevitabilmente vagheranno nello spazio latente bizzarro e inesplorato del modello di mondo. Quelle matrici fluttuanti possono essere scambiate come NFT. Più cose strane provi, più è probabile che tu estragga vettori rari. Chiunque lanci Vibe Minecraft per primo entrerà nella storia come colui che ha alterato il corso del gioco per sempre.

Mi piacerebbe vedere la Legge di Scalabilità FSD, poiché è l'unico volano di dati fisico su scala planetaria. Qual è la "soglia di abilità emergente" per la dimensione del modello/dati?

Questo è il motore di gioco 2.0. Un giorno, tutta la complessità di UE5 sarà assorbita da un blob di pesi di attenzione guidato dai dati. Questi pesi prendono come input i comandi del controller di gioco e animano direttamente un pezzo di spazio-tempo di pixel. Agrim e io eravamo amici stretti e coautori al Stanford Vision Lab. È fantastico vederlo alla frontiera di una ricerca così interessante! Congratulazioni!