如今的 AI 模型是否真的像人脑一样在记忆、思考、规划和推理？一些 AI 实验室会让你相信它们确实如此，但根据 Meta 首席 AI 科学家 Yann LeCun 的说法，答案是否定的。不过他认为，通过采用一种被称为“世界模型”（world model）的新方法，我们或许能在十年左右实现这一目标。
当前 AI 并非真正理解世界
今年早些时候，OpenAI 发布了一项名为“记忆”的新功能，允许 ChatGPT “记住”你的对话。该初创公司的最新一代模型 o1 在生成输出时会显示“思考”字样，而 OpenAI 表示这些模型具备“复杂推理”能力。
这一切听起来似乎我们已非常接近通用人工智能（AGI）。然而，在 Hudson Forum 最近的一次演讲中，LeCun 对 AI 乐观主义者如 xAI 创始人 Elon Musk 和 Google DeepMind 联合创始人 Shane Legg 泼了冷水，后者认为达到人类水平的 AI 指日可待。
LeCun 在演讲中表示：“我们需要能够理解世界的机器；能够记住事物、拥有直觉和常识、并能以与人类相同的水平进行推理和规划的机器。”他补充道：“尽管你可能从一些最热情的人那里听到过不同的说法，但当前的 AI 系统并不具备这些能力。”
LeCun 表示，如今的大型语言模型（LLMs），例如驱动 ChatGPT 和 Meta AI 的模型，距离“人类水平的 AI”还相去甚远。他后来称，人类可能需要“数年甚至数十年”才能实现这样的目标。（但这并没有阻止他的老板 Mark Zuckerberg 问他通用人工智能（AGI）何时会出现。）
原因很简单：这些 LLM 的工作原理是预测下一个 token（通常是几个字母或一个短词），而如今的图像/视频模型则是预测下一个像素。换句话说，语言模型是一维预测器，AI 图像/视频模型是二维预测器。这些模型在其各自的维度上已经变得相当擅长预测，但它们并不真正理解三维世界。
正因为如此，现代 AI 系统无法完成大多数人类都能轻松完成的基本任务。LeCun 指出，人类通常在 10 岁左右学会收拾餐桌，17 岁学会开车——而且这两项技能都只需几小时就能学会。然而，即使是当今最先进的 AI 系统，基于数千或数百万小时的数据训练而成，也无法可靠地在物理世界中操作。
世界模型：通往 AGI 的关键架构
为了实现更复杂的任务，LeCun 建议我们需要构建能够感知周围世界的三维模型，并围绕一种新型 AI 架构——世界模型来展开。
他解释道：“世界模型是你脑海中关于世界如何运作的心理模型。你可以想象自己可能采取的一系列行动，而你的世界模型将允许你预测这一系列行动对世界产生的影响。”
想想你自己大脑中的“世界模型”。例如，想象你看着一间凌乱的卧室，想要把它整理干净。你可以想象把衣服全部捡起来并收好就能解决问题。你不需要尝试多种方法，也不需要先学习如何打扫房间。你的大脑观察三维空间，并制定出一个行动计划，以便第一次尝试就达成目标。这个行动计划正是 AI 世界模型所承诺的秘诀所在。
这里的部分好处在于，世界模型能够比大型语言模型（LLMs）接收显著更多的数据。这也使得它们计算密集度极高，因此云提供商正竞相与 AI 公司合作。
世界模型是多家 AI 实验室目前追逐的核心概念，该术语正迅速成为吸引风险投资的下一个流行词。包括 Fei-Fei Li 和 Justin Johnson 在内的一群备受推崇的 AI 研究人员刚刚为其初创公司 World Labs 筹集了 2.3 亿美元。“AI 教母”及其团队也坚信世界模型将解锁更智能的 AI 系统。OpenAI 还将其未发布的 Sora 视频生成器描述为世界模型，但尚未透露具体细节。
Meta FAIR 的研究方向与挑战
在 2022 年的一篇论文中，LeCun 概述了利用世界模型创建人类水平 AI 的想法，尽管他指出这一概念已有超过 60 年的历史。简而言之，世界的基表征（例如脏乱房间的录像）和记忆被输入到世界模型中。然后，世界模型基于这些信息预测世界未来的状态。接着，你赋予世界模型目标，包括你希望实现的世界改变状态（例如干净的房间），以及确保模型不会为达成目标而伤害人类的护栏（请在清洁房间的过程中不要杀了我）。随后，世界模型会找到一系列动作以实现这些目标。
据 LeCun 表示，Meta 的长期 AI 研究实验室 FAIR（基础 AI 研究）正积极致力于构建目标导向的 AI 和世界模型。FAIR 过去曾为 Meta 即将推出的产品开发 AI，但 LeCun 称，该实验室近年来已转向专注于长期的 AI 研究。LeCun 表示，如今 FAIR 甚至不再使用大语言模型。
世界模型是一个引人入胜的概念，但 LeCun 表示，我们在将这些系统变为现实方面进展甚微。从当前状态迈向实现目标存在许多极其困难的问题，他表示这肯定比我们想象的要复杂得多。
LeCun 说：“即使不是十年，也要花上几年时间才能让我们在这里的所有工作得以实现。”“Mark Zuckerberg 一直问我这需要多长时间。”