世界模型如何賦予 AI 系統預測未來情境的能力？

楊立昆「世界模型」如何賦予 AI 系統預測未來情境的能力

楊立昆（Yann LeCun）提出的「世界模型」（World Models）AI 架構旨在使機器理解並預測物理世界的運作方式。這種架構讓 AI 系統從視覺和空間數據中學習內在的因果關係，進而建立對未來狀態的預測能力，使 AI 系統具備「想像」未來情景的能力，從而基於對世界的理解來規劃和執行行動。

世界模型與大型語言模型（LLM）的本質區別

楊立昆對目前主流的大型語言模型（LLM）持懷疑態度，認為 LLM 對物理世界的理解有限，無法實現通用人工智慧。他批評 LLM 的智慧程度不如貓，認為此技術無法達到人類智慧水平。LLM 主要分析文本數據學習語言模式，缺乏對現實世界的基本理解和預測能力。世界模型則強調透過感知和理解物理世界實現更高級的 AI 功能。

Meta AI 發展路線上的分歧

楊立昆與 Meta 在 AI 發展路線上的分歧，是他考慮離職的原因之一。Meta 執行長祖克柏（Mark Zuckerberg）將大型語言模型視為實現超級智慧的核心途徑，並投入資源研究。然而，楊立昆堅信世界模型才是 AI 的未來，此分歧導致他在 Meta 的影響力減弱。Meta 近期聘請 Scale AI 創辦人汪滔領導新的 AI 團隊，並削減基礎 AI 研究團隊（FAIR）的資源，凸顯 Meta 在 AI 發展策略上的轉變，使得楊立昆的聲音在公司內部被邊緣化。