如今的人工智能模型是否真的能像人類一樣記憶、思考、計劃和推理呢?有些 AI 實驗室似乎讓人覺得我們離 “人類級 AI” 不遠了，但 Meta 的首席 AI 科學家 Yann LeCun 卻給了大家一記冷水。他認爲，我們要想實現這一目標，可能還需要十年的努力，而這一切的關鍵在於 “世界模型”。

在今年年初，OpenAI 推出了一項新功能，聲稱它的 ChatGPT 可以 “記住” 與用戶的對話。它最新一代的模型在生成輸出時顯示 “思考” 字樣，甚至宣稱這些模型能夠進行 “複雜推理”。

機器人 人工智能 AI (3)

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

聽起來似乎我們快要迎來 AGI（通用人工智能）的時代。然而，在最近一次的哈德遜論壇上，LeCun 卻駁斥了那些樂觀的聲音，比如 xAI 創始人 Elon Musk 和谷歌 DeepMind 聯合創始人 Shane Legg，他們認爲人類級別的 AI 就在眼前。

LeCun 指出:“我們需要那些能理解世界的機器;具備記憶、直覺、常識，能像人類一樣推理和規劃的機器。” 他強調，儘管一些最熱衷於 AI 發展的聲音頻頻呼喊，當前的 AI 系統其實還遠未達到這個水平。他甚至表示，真正的人類級 AI 可能要 “數年到數十年” 才能實現。

那問題出在哪兒呢?其實很簡單:如今的大型語言模型（LLM）僅僅是通過預測下一個詞彙(通常是幾個字母或一個短詞)來工作，而當前的圖像或視頻模型則是預測下一個像素。這就是說，語言模型只能在一維上進行預測，而圖像 / 視頻模型則在二維上進行。雖然這些模型在各自的領域中表現得相當優秀，但它們並不理解三維世界的複雜性。

正因如此，現代 AI 系統無法完成大多數人類能夠輕鬆應對的簡單任務。LeCun 提到，人類在十歲時就能學會收拾餐桌，而在十七歲時能學會駕駛，甚至只需幾個小時的時間。但即使是當前最先進的 AI 系統，經過數千或數百萬小時的數據訓練，依然無法可靠地在現實世界中操作。

要實現更復雜的任務，LeCun 認爲我們需要構建能夠感知周圍世界的三維模型，核心在於一種新的 AI 架構 —— 世界模型。他解釋道:“世界模型是你對世界行爲的心理模型。” 你可以想象一系列你可能採取的行動，而你的世界模型會讓你預測這些行動對世界的影響。

例如，想象你看到了一個凌亂的臥室，想要把它弄乾淨。你可以很自然地想到，撿起所有的衣服並把它們放好就可以解決問題。你不需要嘗試多種方法，也不需要先學會如何清理房間。你的大腦觀察三維空間，直接制定出第一時間可以實現目標的行動計劃。這種行動計劃正是 AI 世界模型所承諾的 “祕密武器”。

世界模型的另一個好處是，它們能夠處理比 LLM 更爲龐大的數據。這也使得它們的計算需求變得更加複雜，這就是爲什麼各大雲服務提供商正在爭相與 AI 公司合作的原因。

如今，多個 AI 實驗室都在追逐世界模型這個大概念，這個詞迅速成爲吸引風險投資的熱門話題。一組享有盛譽的 AI 研究人員，包括 “AI 女神” Fei-Fei Li 和 Justin Johnson，剛剛爲他們的初創公司 World Labs 籌集了2.3億美元。她和她的團隊堅信，世界模型將解鎖更智能的 AI 系統。OpenAI 也將其尚未發佈的 Sora 視頻生成器描述爲一種世界模型，但具體細節尚未披露。

LeCun 在2022年的一篇關於 “目標驅動 AI” 的論文中闡述了使用世界模型創建人類級 AI 的構想，儘管他指出這個概念已有60多年的歷史。簡而言之，世界模型通過一個世界的基本表示（例如，一個髒房間的視頻）和記憶進行訓練。然後，這個模型會根據這些信息預測世界的變化。接着，你給世界模型設定目標，包括你希望實現的世界的變化狀態(比如將房間清理乾淨)，並設置一些 “保護措施”，確保模型不會爲了達成目標而危害人類(比如，清理房間時請不要傷到我)。最後，世界模型會找到一系列行動序列來達成這些目標。

Meta 的長期 AI 研究實驗室 FAIR（基礎 AI 研究）正在積極研究目標驅動 AI 和世界模型，LeCun 表示。FAIR 曾經爲 Meta 的即將推出的產品進行 AI 研究，但 LeCun 說該實驗室近年來已轉向專注於長期 AI 研究，現在甚至不再使用 LLM。

雖然世界模型是個引人入勝的概念，但 LeCun 坦言我們在將這些系統轉變爲現實方面尚未取得太大進展。我們距離目標還有很多艱難的問題需要解決，他表示，“如果不說十年，這裏的一切都可能需要數年才能運作。” 而他的老闆馬克・扎克伯格總是忍不住詢問何時才能實現這一目標。