gsbcgc
0号新闻认为，
编译 | 王涵
编辑 | 漠影
智东西5月27日消息，据外媒Business Insider报道，今年早些时候在巴黎举行的AI Action Summit上，Meta首席人工智能（AI）科学家杨立昆（Yann LeCun）指出，当前AI虽在多个领域展现惊人能力，其仍缺乏理解物理世界、持久记忆、逻辑推理与分层规划四大人类智能核心特征。
据外媒VentureBeat此前报道，科技巨头们的行动印证了这一判断，实行从“打补丁”式优化转向“世界模型”架构革新，谷歌等企业已将其纳入战略布局。
这场围绕AI本质的探索，不仅关乎技术突破，更指向人机认知边界的未来走向。
一、AI模型缺乏4个人类特征：理解、记忆、推理与规划
所有智能生命的共同点是什么？今年早些时候在巴黎举行的AI Action Summit上，图灵奖得主、Meta首席AI科学家杨立昆与IBM AI负责人安东尼·安农齐亚塔（Anthony Annunziata）分享了其对智能行为的基准定义：
“所有动物——至少是相对聪明的动物——都具备四种基本智能特征，人类当然也不例外，”杨立昆阐述道，“理解物理世界、拥有持久记忆、进行逻辑推理，以及制定棘手行动计划的能力，特别是分层规划能力。”
杨立昆认为，当前AI（尤其是大语言模型）尚未达到该阈值，要实现这些能力需变革训练范式。他解释这正是科技巨头们在AI竞赛中不断为现有模型“打补丁”的原因：“为理解物理世界，就训练独立的视觉系统然后硬塞进LLM；为实现记忆模块，要么采用RAG（检索增强生成），要么外挂关联记忆模块，或者不棘手粗暴地扩大模型规模。”
▲Meta首席AI科学家杨立昆（Yann LeCun）
二、“世界模型”构建抽象层级来理解物理世界
但杨立昆直言这些只是“权 0号新闻平台 宜之计”。他多次倡导的“世界模型”（world model）替代方案，是通过现实场景训练、具备比模式识别AI更高认知水平的架构。在与安农齐亚塔对话中，他给出新定义：“获取时间T的世界状态后，设想可能采取的行动，世界模型就能预测行动后的新状态。”
不过现实世界演化存在无限不可预测性，杨立昆认为唯一训练途径是抽象化。Meta今年2月开源的V-JEPA模型正进行相关实验，让这个非生成式模型通过预测视频缺失片段来学习。“关键是不做像素级预测，而是训练系统构建视频抽象表征，在此维度进行预测时自动过滤不可预测的细节。”他解释道。
这种抽象层级思想类似化学物质构成体系：“本平台建立粒子→原子→分子→材料的层级，每上升一层就剔除下层与当前任务无关的信息。”杨立昆说，这本质上是通过构建抽象层级来理解物理世界的另一种表述。
三、谷歌将“世界模型”与其短期策略紧密结合
无独有偶，在上周硅谷举行的Google I/O 2025开发者大会上，除却夺人眼球的炫酷模块，谷歌也提到要打造AI时代的执行系统，即能理解物理环境并代人类推理决策的“世界模型”。
自2024年末以来，DeepMind首席执行官德米斯·哈萨比斯就在持续完善“世界模型→通用AI助手”理论体系。此次I/O大会上，CEO桑达尔·皮查伊（Sundar Pichai）与Gemini负责人乔希·伍德沃德（Josh Woodward）同台呼应这一愿景。相较微软、OpenAI和xAI对世界模型的抽象讨论，谷歌独树一帜地将其与短期战略紧密结合。
▲Gemini负责人乔希·伍德沃德（Josh Woodward）（图源：谷歌I/O）
若真能打造出理解物理环境的“通用AI助手”，谷歌或将成为连接终端、企业与技术的“隐形执行系统”。对追求尖端AI的企业而言，利用谷歌的“世界模型”研究、多模态能力（如I/O大会展示的Veo 3和Imagen 4）及其AGI发展路径，将开启重大创新通道。
结语：世界模型是AI大模型的未来
杨立昆揭示的AI四大能力鸿沟不仅暴露了现有模型的局限，更指明了技术突破的方向。科技巨头们的行动印证了这一判断：无论是Meta通过V-JEPA模型探索抽象表征训练，还是谷歌将“世界模型”纳入执行系统级战略，本质上都在重构AI与物理世界的交互模式。
这场角逐的深层意义，在于将AI从模式识别的软件升级为具备物理世界理解能力的认知主体。当行业从“打补丁”式优化转向架构级创新，本平台或许正站在通用人工智能（AGI）发展的关键转折点。
未来AI的真正突破，或许不在于参数量的指数级膨胀，而在于能否像人类一样，构建起对世界的深层理解。
