标签：世界模型
共 4 篇相关访谈。
J
Justin Johnson：世界模型与空间AI的未来
World Labs联合创始人Justin Johnson在播客中探讨了世界模型与空间AI的前沿。他解释了为何超越语言的能力是AI的重要前沿，介绍了不同的世界建模方法，并分享了World Labs的Marble系统如何从图像生成可导航的3D世界。Johnson认为，未来模型需融合理解、生成与模拟能力，以支持从虚拟环境到物理世界智能体的广泛应用。
JJustin JohnsonWorld Labs联合创始人
Aether AI创始人黄碧薇：因果世界模型是机器人智能终局
Aether AI创始人黄碧薇教授分享其因果世界模型范式。他认为，当前基于相关性的LLM和视频生成模型无法真正理解物理规律，而通过学习因果变量、结构和动力学，因果世界模型可实现零样本泛化与复杂推理，是突破具身智能天花板的关键路径。
H黄碧薇Aether AI 创始人
LeCun：AI未来在于联合嵌入，而非生成式模型
在访谈中，Yann LeCun系统阐述了当前生成式AI的根本局限，并提出了通向高级机器智能的技术路径。他指出，仅通过预测文本无法构建真正的世界模型，而视频生成的困难在于无法有效建模高维连续空间的分布。LeCun大力倡导联合嵌入预测架构（JEPA），认为这是学习世界抽象表示、实现物理推理的关键。他强调，开源是实现AI多样性、避免意识形态偏见和保障民主的必由之路，并对构建可规划、可理解物理世界的下一代AI模型充满信心。
Y杨立昆Meta首席AI科学家、图灵奖得主
Yann LeCun：智能的本质是统计，但必须是特定类型的统计
杨立昆与Lex Fridman深入探讨自监督学习为何是通往机器智能的关键路径。他认为，当前监督学习和强化学习效率低下，无法解释人类和动物如何高效学习。自监督学习通过“填补空白”（如预测视频下一帧）来构建世界模型，是从观察中获取背景知识的核心机制。杨立昆指出，尽管在语言领域已取得巨大成功，但让机器从视频中学习世界表征仍是巨大挑战。他强调，智能或许本质上是一种特定类型的统计，但必须能学习包含因果关系的、可微分的世界模型，这是未来十年AI研究的核心目标。
Y杨立昆Meta首席AI科学家、纽约大学教授