2025年人工智能三大關(guān)注點構(gòu)建準確世界模型(3)

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2025-01-12 15:35:04 新華社客戶端

當然,，具身智能目前也面臨著尚待突破的難題。一方面,，具身智能要通過與現(xiàn)實環(huán)境的互動來獲取智能，但即使一個理論上能夠完美感知周遭世界并進行無監(jiān)督學習的具身智能,，也面臨著學習效率受環(huán)境制約的問題,，對于當前零樣本學習能力尚不完備的具身智能來說，這將大大限制其發(fā)展速度,。另一方面,，以仿真環(huán)境為依托的具身智能雖然能夠藉由計算機仿真出的環(huán)境來進行非實時的高速訓練，但面臨著仿真環(huán)境無法完全“還原”現(xiàn)實世界的問題,，導致該智能體難以在現(xiàn)實環(huán)境中實用化,，也難以在短時間內(nèi)積累出如同大模型訓練語料庫那樣的大規(guī)模數(shù)據(jù)集。如何解決上述難題,，將是具身智能未來發(fā)展的關(guān)鍵,。

2024年3月，谷歌云前人工智能主管李飛飛創(chuàng)建了一家名為“世界實驗室”的初創(chuàng)公司,，主要從事開發(fā)一種能夠理解三維物理世界的AI模型,，被稱為“大世界模型”,。其基本用法是,，給定任意圖片或文字，AI能夠從中提取物體,，進而還原出一個完整的三維空間,。例如，如果把文學作品輸入該模型,，用戶們就可以進入J.K.羅琳在《哈利·波特》中描繪的對角巷,，或者劉慈欣描述的三日凌空的《三體》世界；把畫作輸入該模型,，你可以坐進梵高的《夜晚露天咖啡座》,，或者站在霍普的《夜游者》酒吧門口，如同一個等待進入的顧客,。

與此前廣泛應用于數(shù)字媒體制作的“2D轉(zhuǎn)3D”工具不同,，使用“大世界模型”，用戶不僅能夠在該空間內(nèi)水平移動,，還可以進行縱深移動和視角轉(zhuǎn)換，從不同角度看到物體的全貌,，并且這些物體還具備真實世界里的部分物理學特征,，包括受阻、碰撞,、透視關(guān)系等,。李飛飛將這種具備認識和理解空間能力的AI稱為“空間智能”,。

對于一個成立不久的公司，以上還只是早期的演示內(nèi)容,，但僅僅依靠這樣的演示內(nèi)容,，該公司便已拿到了2.3億美元的風險投資,，四個月后估值就超過了10億美元,。“大世界模型”之所以引發(fā)關(guān)注,，在于其直接面對了當前人工智能的一個關(guān)鍵難點：如何令AI認識和理解世界,？其與Sora等圖文生視頻類AI最大的不同點,，也在于此。體驗過此類AI應用的人或多或少都遇到過這樣的情況：人工智能生成的內(nèi)容完全不符合現(xiàn)實生活中的經(jīng)驗,，其結(jié)果或是令人啼笑皆非,，或是干脆成了“恐怖片”。這便是人工智能沒有認識和理解世界的結(jié)果,，其所做的僅僅是預測每個像素點的數(shù)值,。

當前，智能體研究的兩大領(lǐng)域——強化學習與機器人——都在關(guān)注如何形成一個足夠準確的“世界模型”,。這也是楊·勒丘恩等人工智能領(lǐng)域泰斗級學者都在反復強調(diào)的,，只有解決了構(gòu)建世界模型的問題，才能真正突破人工智能的訓練瓶頸,。屆時,，人工智能能夠利用世界模型中的狀態(tài)表征和動作表征數(shù)據(jù)進行反復試錯，進而找到現(xiàn)實世界問題的解決方案,。盡管當前距離這一目標還比較遙遠,，但李飛飛的“大世界模型”或許可以看作朝向這一人工智能解決方案邁出了一小步。

首頁上一頁 1 23共 3 頁

(責任編輯：張小花 TT1000)

關(guān)閉

2025年人工智能三大關(guān)注點 構(gòu)建準確世界模型(3)

相關(guān)新聞

今日熱點

頻道熱點

2025年人工智能三大關(guān)注點構(gòu)建準確世界模型(3)