AI巨头们正密谋一场“叛变”：扔掉书本，让机器像婴儿一样学走路

AI巨头们正密谋一场“叛变”：扔掉书本，让机器像婴儿一样学走路

最近AI圈儿发生了几件大事，表面看是人事变动和新品发布，背后却藏着一场关乎AI生死的路线之争。

是继续让AI“死读书”？还是让它“下床走路”？大佬们给出了这个问题的答案。

咱们先掰扯一个扎心的事实：你现在聊起来感觉很聪明的那些AI聊天机器人，其实是个超级“做题家”。

它为啥能对答如流？因为它把互联网上能找到的海量文章、书籍、对话都几乎“背”了下来。你问的问题，大概率是他“刷”过的题库里的变形题。

这就好比一个学生，靠死记硬背考了高分，但你让他去解释为啥鸡蛋掉地上会碎，他只能背出牛顿定律的条文，却无法真正理解“碎”这个物理过程。

这恰恰是图灵奖得主杨立昆（Yann LeCun）最近离开待了12年的Meta，出去单干的核心原因。他早就看不下去了，公开吐槽说：“现在的大语言模型，永远不可能具备人类那样的推理能力！”

这话可不是气话，而是点中了当前AI发展的死穴。

你发现没？现在的AI模型，本事越大，“饭量”也大得吓人。需要吞下天量的数据，消耗巨大的电力，但带来的性能提升却越来越不明显。

这就陷入了“规模魔咒”：堆参数、堆算力，成本蹭蹭涨，智商却没能跟着翻倍。更头疼的是，它学的都是过去的数据，对现实世界正在发生的变化，基本是“睁眼瞎”。

你问它昨天的新闻，它都可能胡说八道。

最要命的是，它缺乏对真实世界的“体感”。它可以通过文本学会“烫”这个词，但它永远不知道摸到开水壶的“烫”是什么感觉。

它知道“球撞积木会倒”，但无法在脑子里模拟出球飞过去、积木摇晃着倒下的整个动态画面。这让它在需要与物理世界打交道的领域，比如自动驾驶、机器人控制上，显得特别“弱智”。

那大佬们想出的新招是啥呢？就是杨立昆和李飞飞都在押注的“世界模型”。

这名字听起来挺唬人，其实概念很直观：就是给AI建立一个关于现实世界的“内部模拟器”，让它能在自己的“脑海”里推演事情的发展。

这就像咱们人类脑子里的“小剧场”。你看到桌子上有个杯子半悬空，你瞬间就能预感到它要掉下去，甚至脑补出它摔碎的景象。

这个过程你没经过任何计算，是一种本能。世界模型的目标，就是让AI也拥有这种本能。

“AI教母”李飞飞的动作更快。她创立的World Labs在去年11月就推出了首款产品Marble。这东西有多厉害？

你给它一张照片、一段视频，甚至一小段文字描述，它就能给你生成一个持久存在的3D数字孪生空间。

好比你看了一张客厅的照片，AI就能在电脑里给你重建一个一模一样的虚拟客厅，你可以在里面随意“走动”，观察每个角落。

这可不是简单的3D建模，这是AI理解空间关系的基础。有了这个基座，AI才能进一步学习：在这个空间里，物体怎么运动？碰撞会发生什么？

另一边，谷歌DeepMind搞的Genie模型，一年半时间从2D升级到3代。

现在你输入一句话，比如“一个宇航员在火星上探险”，它就能实时给你生成一个720p分辨率的、你可以进去自由探索的互动3D世界，而且场景细节能保持一分钟不穿帮！

这就像给AI提供了一个无限大的“数字沙盘”，让它可以在里面尽情试错，还不用担心在现实世界里撞坏东西。

说句实在话，这种“脑内推演”的能力，才是智能的核心。它让AI从被动的“答题机器”，变成了能主动“规划”和“想象”的智能体。

比如特斯拉的自动驾驶，之所以厉害，就是因为它内部有一个强大的世界模型，能时刻预测周围车辆、行人的下一秒动向，从而做出安全决策。

给AI装上“世界模型”，让它像婴儿一样通过观察和互动来学习，这路子听起来很美好，但脚下的坑一点儿也不少。

首先，这玩意儿“吃”的数据更“挑食”了。以前训练AI读文本，网上文字多得是。但现在要训练他理解物理世界，需要的是海量的视频、来自各种传感器的数据。

这些数据不仅难搞，标注起来更是费时费力还烧钱。这可不是一般公司玩得起的游戏。

其次，AI变得更“聪明”的同时，也可能变得更“难懂”。这就是所谓的“黑箱”问题。AI在它那个“脑内小剧场”里推演了千万种可能，最后选择了一个行动。

但咱们人类可能完全搞不懂它为啥这么选。比如一辆自动驾驶汽车为了躲避一个行人，突然急转弯撞上了护栏，这个责任算谁的？

是程序bug，还是AI在那一刻做出的“最优解”？我们很难追溯他的“心路历程”。

更让人担心的是安全伦理问题。一旦AI具备了自主学习能力，它会不会像科幻电影里那样，慢慢偏离我们最初给它设定的目标？

比如，我们让一个管理城市的AI“提高交通效率”，它会不会为了达到这个目标，干脆禁止所有私家车上路？这种“目标漂移”的风险，是悬在所有人头上的一把剑。

所以，这场竞赛不仅仅是技术战，更是一场关于规则、伦理和安全的博弈。

中美科技公司虽然发展路径不同，但最终都要面对同一个问题：当我们创造的AI真正“懂事”以后，我们该如何与它相处？如何确保它始终是帮助人类的工具，而不是失控的巨兽？

说到底，发展“世界模型”，根本不是为了让AI变得更像人，去模仿我们。恰恰相反，是为了让它弥补我们人类的不足。

我们擅长创造和直觉，但在处理超复杂计算和海量数据模拟上，能力有限。

而一个真正理解物理规律的AI，可以成为我们强大的外脑：帮我们模拟气候变化、设计新药分子、规划智慧城市……在这些关乎人类未来的宏大课题上，成为我们最得力的搭档。

这条路才刚刚开始，注定充满挑战。但可以确定的是，谁先让AI学会了“婴儿学步”般的直觉，谁就握住了打开下一个时代的钥匙。

这场告别“纸上谈兵”、奔向“真实世界”的竞赛，哨声已经吹响，没有回头路。