当今的AI模型真的能像人类大脑一样记忆、思考、计划和推理吗？一些AI实验室可能会让你相信它们可以，但Meta的首席AI科学家Yann LeCun表示，答案是否定的。他认为，通过一种名为“世界模型”（world model）的新方法，我们可能在十年左右能够实现这一目标。
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。OpenAI最新一代的模型显示了“思考”一词，OpenAI声称这些模型能够进行“复杂的推理”。
这听起来似乎离AGI（通用人工智能）很近了。然而，LeCun在最近的Hudson论坛上发表讲话时削弱了AI乐观派的观点，如xAI创始人埃隆·马斯克和Google DeepMind联合创始人Shane Legg，他们认为人类级别的AI即将到来。
“我们需要能够理解世界的机器；[机器]需要能够记忆，有直觉，有常识，能够像人类一样进行推理和计划，”LeCun在演讲中说道。“尽管你可能听过一些最热情的人说的东西，但当前的AI系统并不具备这些能力。”
LeCun表示，当前的大型语言模型（如驱动ChatGPT和Meta AI的模型）距离“人类级别的AI”还差得远。他后来说，人类可能需要“几年到几十年”才能实现这样的技术。（尽管这并没有阻止他的老板马克·扎克伯格不断询问他AGI何时会到来。）
原因很简单：这些LLM（大型语言模型）通过预测下一个标记（通常是几个字母或一个短词）来工作，而当今的图像/视频模型则通过预测下一个像素来运作。换句话说，语言模型是单维预测器，而AI图像/视频模型是二维预测器。这些模型在各自的维度预测上变得非常优秀，但它们实际上并不了解三维世界。
世界模型的前景LeCun指出，由于这个原因，现代AI系统无法完成大多数人类能够轻松完成的简单任务。他提到，人类在10岁时就学会了收拾餐桌，在17岁时学会了开车——而且只需要几小时的学习时间。但是，即使是目前最先进的AI系统，即使建立在数千甚至数百万小时的数据之上，仍然无法在物理世界中可靠地操作。
为了实现更复杂的任务，LeCun建议我们需要构建三维模型，这些模型能够感知周围的世界，并围绕一种新的AI架构——世界模型——展开。
“世界模型是你对世界行为的心理模型，”他解释道。“你可以想象一系列你可能采取的行动，世界模型将允许你预测这系列行动对世界的影响。”
举例来说，想象一下一个凌乱的卧室，你希望把它打扫干净。你可以想象通过收拾衣物并将其放好来解决问题。你不需要尝试多种方法，也不需要先学习如何打扫房间。你的大脑观察到三维空间，并创建一个行动计划，一次就能实现你的目标。这种行动计划就是AI世界模型承诺的“秘密武器”。
世界模型的一个好处是，它能够比LLM接收更多的数据。但这也使它们计算量巨大，因此云计算提供商正在争相与AI公司合作。
世界模型是几个AI实验室现在追逐的大构想，并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在内的一群备受尊敬的AI研究人员刚刚为他们的创业公司World Labs筹集了2.3亿美元资金。这位“AI教母”和她的团队也相信，世界模型将释放出更智能的AI系统。OpenAI还将其尚未发布的视频生成器Sora描述为世界模型，但未提供具体细节。
LeCun在2022年的一篇关于“目标驱动AI”（objective-driven AI）的论文中概述了使用世界模型来创建人类级别AI的想法，尽管他指出这一概念已有60多年历史。简而言之，世界模型会接收世界的基础表示（例如脏房间的视频）和记忆，然后预测世界基于这些信息会是什么样子。接着，你为世界模型设定目标，包括你想要实现的世界的变更状态（例如干净的房间），以及确保模型在实现目标时不会伤害人类的限制（请在打扫房间时不要杀了我）。然后，世界模型会找到实现这些目标的行动序列。
Meta的长期AI研究实验室FAIR（基础AI研究）目前正致力于构建目标驱动的AI和世界模型。LeCun说，FAIR近年来从为Meta开发产品AI转向了纯粹的长期AI研究。据LeCun透露，FAIR目前甚至不再使用LLM。
尽管世界模型是一个令人着迷的概念，LeCun指出我们在将这些系统变为现实方面并没有取得太大进展。从当前的技术水平到实现这一目标还有很多难题需要解决，他认为这一过程远比我们想象的复杂。
“要让这里的一切正常运作，还需要很多年，甚至可能需要十年时间，”LeCun说道。“马克·扎克伯格总是问我这需要多久。”