李飛飛提出的「空間智慧」是AI發展的下一個新領域，它與當前大型語言模型相比，有哪些突破性的核心能力？ | 數位時代

李飛飛「空間智慧」的核心能力突破

李飛飛提出的「空間智慧」概念，被視為人工智慧發展的下一個重要領域。相較於目前的大型語言模型（LLM），空間智慧具備幾項突破性的核心能力，主要體現在對世界的理解方式和互動模式上。

三大核心能力

1. 生成能力（Generative）：空間智慧模型能夠生成多樣且合理的世界，不僅在感知、幾何和物理上具有合理性，還能理解世界的過去狀態並保持與現在的一致性。這意味著模型可以自主創造虛擬或真實場景，並生成可觀察、可使用的世界狀態。
2. 多模態（Multimodal）：空間智慧模型能從多種資訊形式理解世界，包括圖片、影片、深度圖、文字、手勢或動作等。這種模型能整合這些部分訊息，形成完整的世界狀態，如同人類或動物一般理解周遭環境。此外，它還能以多種方式與人或代理互動，輸入和輸出不侷限於單一形式。
3. 互動能力（Interactive）：空間智慧模型可以根據動作或目標預測世界的變化，其輸出結果符合物理規律、語義和動態行為，並保持前後一致性。更強大的模型甚至能在目標驅動下，不僅預測世界狀態，還能預測下一步行動。

與大型語言模型的差異

大型語言模型擅長處理和生成文本，但在理解和互動真實世界方面存在局限性。李飛飛認為，大型語言模型像是「身處黑暗中的語言大師」，能言善道卻缺乏經驗，博學多聞但沒有根基。空間智慧則旨在賦予機器人感知與理解物理世界的能力，使其能真正走入現實。

World Labs 推出的首款產品 Marble，正是基於空間智慧理念，讓使用者透過多模態輸入生成可編輯和下載的 3D 環境，這代表著 AI 從單純的文本處理走向更全面的世界理解和互動。

This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容