智東西（公眾號(hào)：zhidxcom）
編譯 | 王涵
編輯 | 漠影
智東西5月27日消息，據(jù)外媒Business Insider報(bào)道，今年早些時(shí)候在巴黎舉行的AI Action Summit上，Meta首席人工智能（AI）科學(xué)家楊立昆（Yann LeCun）指出，當(dāng)前AI雖在多個(gè)領(lǐng)域展現(xiàn)驚人能力，其仍缺乏理解物理世界、持久記憶、邏輯推理與分層規(guī)劃四大人類智能核心特征。
據(jù)外媒VentureBeat此前報(bào)道，科技巨頭們的行動(dòng)印證了這一判斷，開始從“打補(bǔ)丁”式優(yōu)化轉(zhuǎn)向“世界模型”架構(gòu)革新，谷歌等企業(yè)已將其納入戰(zhàn)略布局。
這場(chǎng)圍繞AI本質(zhì)的探索，不僅關(guān)乎技術(shù)突破，更指向人機(jī)認(rèn)知邊界的未來(lái)走向。
一、AI模型缺乏4個(gè)人類特征：理解、記憶、推理與規(guī)劃
所有智能生命的共同點(diǎn)是什么？今年早些時(shí)候在巴黎舉行的AI Action Summit上，圖靈獎(jiǎng)得主、Meta首席AI科學(xué)家楊立昆與IBM AI負(fù)責(zé)人安東尼·安農(nóng)齊亞塔（Anthony Annunziata）分享了其對(duì)智能行為的基準(zhǔn)定義：
“所有動(dòng)物——至少是相對(duì)聰明的動(dòng)物——都具備四種基本智能特征，人類當(dāng)然也不例外，”楊立昆闡述道，“理解物理世界、擁有持久記憶、進(jìn)行邏輯推理，以及制定復(fù)雜行動(dòng)計(jì)劃的能力，特別是分層規(guī)劃能力?！?/p>
楊立昆認(rèn)為，當(dāng)前AI（尤其是大語(yǔ)言模型）尚未達(dá)到該閾值，要實(shí)現(xiàn)這些能力需變革訓(xùn)練范式。他解釋這正是科技巨頭們?cè)贏I競(jìng)賽中不斷為現(xiàn)有模型“打補(bǔ)丁”的原因：“為理解物理世界，就訓(xùn)練獨(dú)立的視覺(jué)系統(tǒng)然后硬塞進(jìn)LLM；為實(shí)現(xiàn)記憶功能，要么采用RAG（檢索增強(qiáng)生成），要么外掛關(guān)聯(lián)記憶模塊，或者簡(jiǎn)單粗暴地?cái)U(kuò)大模型規(guī)模?！?/p>
▲Meta首席AI科學(xué)家楊立昆（Yann LeCun）
二、“世界模型”構(gòu)建抽象層級(jí)來(lái)理解物理世界
但楊立昆直言這些只是“權(quán)宜之計(jì)”。他多次倡導(dǎo)的“世界模型”（world model）替代方案，是通過(guò)現(xiàn)實(shí)場(chǎng)景訓(xùn)練、具備比模式識(shí)別AI更高認(rèn)知水平的架構(gòu)。在與安農(nóng)齊亞塔對(duì)話中，他給出新定義：“獲取時(shí)間T的世界狀態(tài)后，設(shè)想可能采取的行動(dòng)，世界模型就能預(yù)測(cè)行動(dòng)后的新狀態(tài)?！?/p>
不過(guò)現(xiàn)實(shí)世界演化存在無(wú)限不可預(yù)測(cè)性，楊立昆認(rèn)為唯一訓(xùn)練途徑是抽象化。Meta今年2月開源的V-JEPA模型正進(jìn)行相關(guān)實(shí)驗(yàn)，讓這個(gè)非生成式模型通過(guò)預(yù)測(cè)視頻缺失片段來(lái)學(xué)習(xí)?！瓣P(guān)鍵是不做像素級(jí)預(yù)測(cè)，而是訓(xùn)練系統(tǒng)構(gòu)建視頻抽象表征，在此維度進(jìn)行預(yù)測(cè)時(shí)自動(dòng)過(guò)濾不可預(yù)測(cè)的細(xì)節(jié)?！彼忉尩?。
這種抽象層級(jí)思想類似化學(xué)物質(zhì)構(gòu)成體系：“我們建立粒子→原子→分子→材料的層級(jí)，每上升一層就剔除下層與當(dāng)前任務(wù)無(wú)關(guān)的信息。”楊立昆說(shuō)，這本質(zhì)上是通過(guò)構(gòu)建抽象層級(jí)來(lái)理解物理世界的另一種表述。
三、谷歌將“世界模型”與其短期策略緊密結(jié)合
無(wú)獨(dú)有偶，在上周硅谷舉行的Google I/O 2025開發(fā)者大會(huì)上，除卻奪人眼球的炫酷功能，谷歌也提到要打造AI時(shí)代的操作系統(tǒng)，即能理解物理環(huán)境并代人類推理決策的“世界模型”。
自2024年末以來(lái)，DeepMind首席執(zhí)行官德米斯·哈薩比斯就在持續(xù)完善“世界模型→通用AI助手”理論體系。此次I/O大會(huì)上，CEO桑達(dá)爾·皮查伊（Sundar Pichai）與Gemini負(fù)責(zé)人喬?！の榈挛值拢↗osh Woodward）同臺(tái)呼應(yīng)這一愿景。相較微軟、OpenAI和xAI對(duì)世界模型的抽象討論，谷歌獨(dú)樹一幟地將其與短期戰(zhàn)略緊密結(jié)合。
▲Gemini負(fù)責(zé)人喬?！の榈挛值拢↗osh Woodward）（圖源：谷歌I/O）
若真能打造出理解物理環(huán)境的“通用AI助手”，谷歌或?qū)⒊蔀檫B接用戶、企業(yè)與技術(shù)的“隱形操作系統(tǒng)”。對(duì)追求尖端AI的企業(yè)而言，利用谷歌的“世界模型”研究、多模態(tài)能力（如I/O大會(huì)展示的Veo 3和Imagen 4）及其AGI發(fā)展路徑，將開啟重大創(chuàng)新通道。
結(jié)語(yǔ)：世界模型是AI大模型的未來(lái)
楊立昆揭示的AI四大能力鴻溝不僅暴露了現(xiàn)有模型的局限，更指明了技術(shù)突破的方向?？萍季揞^們的行動(dòng)印證了這一判斷：無(wú)論是Meta通過(guò)V-JEPA模型探索抽象表征訓(xùn)練，還是谷歌將“世界模型”納入操作系統(tǒng)級(jí)戰(zhàn)略，本質(zhì)上都在重構(gòu)AI與物理世界的交互方式。
這場(chǎng)角逐的深層意義，在于將AI從模式識(shí)別的工具升級(jí)為具備物理世界理解能力的認(rèn)知主體。當(dāng)行業(yè)從“打補(bǔ)丁”式優(yōu)化轉(zhuǎn)向架構(gòu)級(jí)創(chuàng)新，我們或許正站在通用人工智能（AGI）發(fā)展的關(guān)鍵轉(zhuǎn)折點(diǎn)。
未來(lái)AI的真正突破，或許不在于參數(shù)量的指數(shù)級(jí)膨脹，而在于能否像人類一樣，構(gòu)建起對(duì)世界的深層理解。
來(lái)源：Business Insider，VentureBeat
