智東西
編譯 王涵
編輯 漠影

智東西5月27日消息，據外媒Business Insider報道，今年早些時候在巴黎舉行的AI Action Summit上，Meta首席人工智能（AI）科學家楊立昆（Yann LeCun）指出，當前AI雖在多個領域展現驚人能力，其仍缺乏理解物理世界、持久記憶、邏輯推理與分層規劃四大人類智能核心特征。

據外媒VentureBeat此前報道，科技巨頭們的行動印證了這一判斷，開始從“打補丁”式優化轉向“世界模型”架構革新，谷歌等企業已將其納入戰略布局。

這場圍繞AI本質的探索，不僅關乎技術突破，更指向人機認知邊界的未來走向。

一、AI模型缺乏4個人類特征：理解、記憶、推理與規劃

所有智能生命的共同點是什么？今年早些時候在巴黎舉行的AI Action Summit上，圖靈獎得主、Meta首席AI科學家楊立昆與IBM AI負責人安東尼·安農齊亞塔（Anthony Annunziata）分享了其對智能行為的基準定義：

“所有動物——至少是相對聰明的動物——都具備四種基本智能特征，人類當然也不例外，”楊立昆闡述道，“理解物理世界、擁有持久記憶、進行邏輯推理，以及制定復雜行動計劃的能力，特別是分層規劃能力。”

楊立昆認為，當前AI（尤其是大語言模型）尚未達到該閾值，要實現這些能力需變革訓練范式。他解釋這正是科技巨頭們在AI競賽中不斷為現有模型“打補丁”的原因：“為理解物理世界，就訓練獨立的視覺系統然后硬塞進LLM；為實現記憶功能，要么采用RAG（檢索增強生成），要么外掛關聯記憶模塊，或者簡單粗暴地擴大模型規模。”

▲Meta首席AI科學家楊立昆（Yann LeCun）

二、“世界模型”構建抽象層級來理解物理世界

但楊立昆直言這些只是“權宜之計”。他多次倡導的“世界模型”（world model）替代方案，是通過現實場景訓練、具備比模式識別AI更高認知水平的架構。在與安農齊亞塔對話中，他給出新定義：“獲取時間T的世界狀態后，設想可能采取的行動，世界模型就能預測行動后的新狀態。”

不過現實世界演化存在無限不可預測性，楊立昆認為唯一訓練途徑是抽象化。Meta今年2月開源的V-JEPA模型正進行相關實驗，讓這個非生成式模型通過預測視頻缺失片段來學習。“關鍵是不做像素級預測，而是訓練系統構建視頻抽象表征，在此維度進行預測時自動過濾不可預測的細節。”他解釋道。

這種抽象層級思想類似化學物質構成體系：“我們建立粒子→原子→分子→材料的層級，每上升一層就剔除下層與當前任務無關的信息。”楊立昆說，這本質上是通過構建抽象層級來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合

無獨有偶，在上周硅谷舉行的Google I/O 2025開發者大會上，除卻奪人眼球的炫酷功能，谷歌也提到要打造AI時代的操作系統，即能理解物理環境并代人類推理決策的“世界模型”。

自2024年末以來，DeepMind首席執行官德米斯·哈薩比斯就在持續完善“世界模型→通用AI助手”理論體系。此次I/O大會上，CEO桑達爾·皮查伊（Sundar Pichai）與Gemini負責人喬希·伍德沃德（Josh Woodward）同臺呼應這一愿景。相較微軟、OpenAI和xAI對世界模型的抽象討論，谷歌獨樹一幟地將其與短期戰略緊密結合。

▲Gemini負責人喬希·伍德沃德（Josh Woodward）（圖源：谷歌I/O）

若真能打造出理解物理環境的“通用AI助手”，谷歌或將成為連接用戶、企業與技術的“隱形操作系統”。對追求尖端AI的企業而言，利用谷歌的“世界模型”研究、多模態能力（如I/O大會展示的Veo 3和Imagen 4）及其AGI發展路徑，將開啟重大創新通道。

結語：世界模型是AI大模型的未來

楊立昆揭示的AI四大能力鴻溝不僅暴露了現有模型的局限，更指明了技術突破的方向。科技巨頭們的行動印證了這一判斷：無論是Meta通過V-JEPA模型探索抽象表征訓練，還是谷歌將“世界模型”納入操作系統級戰略，本質上都在重構AI與物理世界的交互方式。

這場角逐的深層意義，在于將AI從模式識別的工具升級為具備物理世界理解能力的認知主體。當行業從“打補丁”式優化轉向架構級創新，我們或許正站在通用人工智能（AGI）發展的關鍵轉折點。

未來AI的真正突破，或許不在于參數量的指數級膨脹，而在于能否像人類一樣，構建起對世界的深層理解。

來源：Business Insider，VentureBeat