Meta首席AI科学家：当前AI缺乏理解物理世界等四大核心特征

在人工智能（AI）领域，技术的迅猛发展已引发了多个行业的变革，Meta首席人工智能科学家杨立昆（Yann LeCun）在近期的AI Action Summit上提出了一个引人深思的问题：虽然当前的AI系统已展示出惊人的能力，但它们在理解物理世界、持久记忆、逻辑推理及分层规划等方面仍然存在明显的缺陷。

一、AI模型缺乏的四大人类特征

在许多智能生物中，无论是高度智能的动物还是人类，都体现出四种基本的智能特征。杨立昆在峰会上明确指出这些特征是：对物理世界的理解、具备持久记忆的能力、开展逻辑推理的能力以及制定复杂行动计划的能力，尤其是分层规划的能力。

当前的AI系统，尤其是以大型语言模型（LLM）为代表的技术，尚未具备这些特征。为了实现这些能力，必须对现有的训练方法进行革命性的改革。杨立昆谈到，这正是科技公司如Meta、谷歌等在AI竞赛中频繁进行小规模改进的原因，这些举措往往像是“打补丁”，而非根本性的解决方案。

例如，为了让AI具备理解物理世界的能力，部分公司尝试通过单独训练视觉系统并将其融入LLM中；为了增强记忆功能，使用了检索增强生成（RAG）的方法或通过扩展模型的规模来实现。这些短期应对措施未能从根本上解决AI的认知局限。

二、构建“世界模型”以重新定义AI的物理理解

杨立昆向与会者提出了一种更加前瞻性的解决方案，即“世界模型”的构建。通过利用现实场景进行训练，构建一种比当前模式识别更为先进的认知架构，AI能够更有效地理解物理世界。具体而言，世界模型可以在获得特定时间的环境状态后，想象可能的动作并预测相应的后果，从而实现对环境的深层理解。

由于现实世界复杂多变、存在无数不可预测的因素，杨立昆强调了抽象化的重要性。他提到，Meta今年早些时候开源的V-JEPA模型即是一个尝试该方法的例证。该模型通过预测视频中的空缺部分来学习，而不仅仅局限于像素级的预测，这种方法能够让AI在更高层面上构建对物理世界的抽象理解。

这一思路与化学物质的构成体系有相似之处，通过建立粒子、原子、分子到材料的层级，每升高一层就能剔除与当前任务无关的信息。这样的抽象层级不仅能够提高AI的理解能力，还能促进其在处理复杂任务时的表现实效。

三、谷歌的AI战略与“世界模型”的结合

在最近的Google I/O 2025开发者大会上，谷歌也同步提出了与杨立昆观点相呼应的愿景。谷歌希望构建能够理解物理环境并能为人类做出推理决策的AI助手，标志着其在“世界模型”研究方面的持续努力。自2024年底以来，DeepMind首席执行官德米斯·哈萨比斯就开始在这一领域展开具体的理论研究。谷歌的CEO桑达尔·皮查伊表示，将“世界模型”整合进短期策略的过程中，谷歌力求不仅关注理论，还着重于实际应用，使其成为连接用户、企业与技术的“隐形操作系统”。

若此目标得以实现，谷歌在AI领域的地位和影响力将大幅提升，真正实现与人类的协作，并在多模态能力及通用人工智能（AGI）发展的路径上迈出重要步伐。

：迈向AI的新纪元

杨立昆提到的AI能力鸿沟显露了当前模型面临的局限性，亦指明了未来的技术突破方向。无论是Meta通过V-JEPA模型探索抽象表征的训练，还是谷歌将“世界模型”纳入其操作系统战略，二者都在重构AI与物理世界之间的交互方式。

在这场关于AI本质的探索中，可以预见的是，未来的AI不仅仅是模式识别的工具，更应发展成为具备理解物理世界能力的智能主体。随着行业的发展，从“打补丁”式优化过渡到结构性创新，正是走向真正的通用人工智能（AGI）的关键转折点。因此，AI的未来突破，不再单纯依赖于参数的增加，而在于能否与人类一样，构建起对世界的深层理解。