Transcription
大家好，这里是最佳拍档，我是大飞。
最近呢，图灵奖得主、前Meta首席AI科学家Yann LeCun，在The Information Bottleneck栏目里，用将近两小时的时间，把当前硅谷追捧的AI发展路径，批了个体无完肤。他直言，靠扩大大语言模型的规模、喂合成数据、搞强化学习微调，就想通往超级智能，完全是胡扯。甚至说，AGI的概念本身就站不住脚。
更重磅的是，这位65岁本来可以退休、安享晚年的AI泰斗，选择离开效力12年的Meta，从零创办一家新的公司，押注一套全新的技术路线，要重新定义AI的未来。这已经不是一场普通的吐槽了，而是AI领域路线之争的一次公开宣战。一边是硅谷巨头们扎堆押注的算力、数据、参数竞赛，另一边是杨立昆坚持的认知与感知优先的世界模型。今天咱们就来回顾一下这期访谈，看看这位AI先驱，为什么敢逆势而为，他口中的世界模型到底是什么，以及这场技术革命，可能给AI行业带来怎样的颠覆。
很多人的第一反应可能会是，杨立昆已经功成名就了。图灵奖、女王奖在手，在Meta主导了AI研究12年，推动了深度学习、计算机视觉等多个领域的发展，完全可以退休享受荣誉。但是他偏偏在65岁这个年纪，选择创业，背后到底是什么原因呢？
杨立昆在访谈中坦言，他离开Meta创办先进机器智能公司AMI（Advanced Machine Intelligence），核心原因是现在的AI投资热潮，让长期研究型的创业成为了可能。放在以前，这类需要长期投入、短期内看不到回报的基础研究，只能依托IBM、贝尔实验室这样的垄断型大企业，或者Meta、谷歌、微软这些科技巨头的研究院。但是现在情况变了，包括谷歌、OpenAI甚至Meta在内的很多实验室，都从曾经的开放研究，转向了封闭，因为大家更看重短期产品的落地，而非真正的技术突破。
杨立昆点出了当前工业界研究的痛点。在他看来，真正的研究必须公开发表，接受学界的检验，否则内部过度追捧的项目，很可能只是一种自嗨式错觉，因为你永远不知道，别人已经做出了更出色的工作。所以AMI从一开始就明确了定位，既要坚持开放研究，所有上游的核心成果，都会公开发表，又要最终推出实际产品，围绕世界模型和规划技术，成为未来智能系统的主要供应商之一。
杨立昆之所以有这样的底气，是因为他已经在这个方向上钻研了将近20年，再结合纽约大学和Meta的研究积累，现在终于到了，可以把构想变成现实的时刻了。
而选择创业的另一个深层原因，是杨立昆对当前主流AI发展路径的彻底否定。他认为，现在硅谷所有的公司都在扎堆做同一件事，那就是扩大大语言模型的规模，堆砌数据和算力，优化强化学习微调。这种技术单一化的现象非常危险，就像所有选手都挤在同一条赛道上，拼命的往前冲，却完全忽视了，可能从另一个方向而来的颠覆性技术。而他要做的，就是那条少有人走的路，构建一个能够理解和预测世界的世界模型。
杨立昆直言，当前基于大语言模型的架构，虽然在语言的处理上表现尚可，但是构建的智能体系统，存在着致命的缺陷，那就是需要海量的数据来模仿人类行为，而且可靠性极低。为什么会这样呢？杨立昆指出了核心问题，大语言模型本质上就是一个记忆型系统，而不是理解型的系统。要训练一个性能还不错的大语言模型，需要用到几乎整个互联网的文本数据，再加上合成数据和授权数据。两三年前，主流模型的预训练规模就已经达到了30万亿token，相当于10的14次方字节的数据量。这么大的数据量，本质上是让模型记住文本中孤立的事实，然后在生成内容时进行复述。但是文本数据的冗余度很低，缺乏真实世界的结构信息，这就决定了大语言模型永远无法真正理解世界。
更关键的是，大语言模型完全无法处理高维度、连续、而且含有噪声的数据模态，比如图像、视频、物理世界的感知数据。虽然现在有些大模型会结合视觉模块，但是这些视觉能力都是分开训练的，并不属于大语言模型架构的核心部分。
杨立昆做了一个很直观的对比：10的14次方字节的文本数据，是大语言模型的训练基础。但是同样体量的视频数据，只相当于1.5万小时的内容，这大概是YouTube半小时的上传量，也差不多是一个四岁孩子一生中清醒时间看到的视觉信息总量。而视频数据的结构远比文本丰富，这种丰富的冗余结构，正是自监督学习的关键。如果数据是完全随机的，自监督学习根本无法进行。
杨立昆一直坚持一个观点，仅靠文本训练，永远不可能达到人类水平的智能，因为真实世界的理解、预测和行动能力，远比生成流畅文本要复杂得多。而现有以语言为核心的模型，从未真正触及到这个问题的本质。
在他看来，当前AI行业最大的误区，是把逼近人类级别的智能，当作了目标，却忽略了一个更基础、更困难的门槛，那就是让机器具备狗的智能水平。狗能理解物理世界的基本规律，物体不会凭空消失、东西会下落、不能同时出现在两个地方，也能根据环境变化调整行为，进行简单的规划和预测。而这些能力，恰恰是大语言模型完全不具备的。它们只是被微调到给出看起来正确的答案，这是复述，不是理解。
杨立昆毫不客气地说，那些宣称一两年内实现AGI的说法，完全是脱离现实的幻想。真实世界的复杂度，远不是通过对世界进行token化，再喂给语言模型就能解决的。
既然大语言模型走不通，那么杨立昆押注的世界模型到底是什么？很多人会误以为，世界模型是对现实世界每一个细节的完整复刻，比如像《星际迷航》里的全息甲板那样的高度逼真模拟器。但是这恰恰是杨立昆极力反对的错误认知。世界模型不需要是现实的逐个像素模拟器，而是在抽象表征空间中，只模拟与任务相关的那部分现实。
杨立昆举了一个很经典的例子：如果问100年后木星在哪里，你根本不需要关于木星的全部信息，只需要6个数字，三个位置坐标和三个速度分量，其余的细节都无关紧要。这个例子背后，是抽象层级的核心思想。在真实世界中，我们对事物的理解都是分层抽象的，从粒子、原子、分子，到细胞、器官、个体、社会，每一层的抽象都会忽略下层的大量细节。而正是这种忽略，让我们能够进行更长期、更稳定的预测。比如用流体力学来模拟飞机周围的气流，不会逐个分子的模拟，而是把空间切成小立方体，记录速度、密度、温度等关键变量，解偏微分方程，这就是对物理过程的高度抽象，既高效又有效。
所以，世界模型的核心逻辑，就是学习这样的抽象表征空间，先滤除输入中大量无法预测的细节，然后在这个简化后的表征空间内，预测世界的演化规律。它关注的不是生成看起来像什么，而是世界将如何变化，从而为机器提供更接近真实认知的基础能力。这正是当前AI缺失的前额叶皮层功能，对应着规划、预测和行动能力。
与主流生成模型相比，世界模型的本质区别在于，生成模型是在像素或文本层面直接输出的，试图复现表面的统计相关性。而世界模型是在抽象表征层面进行预测，捕捉的是世界的底层动力学规律。杨立昆强调，一个视频生成模型可能看起来很炫酷，但是它并不一定理解世界的底层逻辑。而世界模型的目标，就是让AI真正看懂世界的运行规则。
要实现这样的世界模型，杨立昆团队的核心技术架构是联合嵌入预测架构（JEPA，Joint Embedding Predictive Architecture）。JEPA的核心思想，就是放弃像素级或文本级的直接预测，转而在抽象表征空间中进行预测，同时通过一系列技术手段避免模型坍缩，也就是模型为了最小化预测误差，直接输出恒定表征来作弊的问题。
回忆起来，杨立昆对世界模型的执着，并不是一时兴起，而是跨越近20年的研究沉淀。在这条路上，他经历过方向的迷茫、技术的瓶颈，也见证了整个领域的起起落落。
早在近20年前，杨立昆就确信，构建智能系统的正确途径，是某种形式的无监督学习。21世纪初，他就开始朝着这个方向探索。当时的主流思路，是训练自编码器来学习表征，编码器将输入转化为表征，再解码还原，确保表征包含输入的全部信息。但是后来他发现，这种表征必须包含全部信息的直觉是错误的，并不是构建智能的有效方法。那段时间，他和团队尝试了多种方案，包括受限玻尔兹曼机、去噪自编码器等等。而杨立昆自己主攻稀疏自编码器，通过高维稀疏表征来构建信息瓶颈，限制表征中的信息量。他的学生，包括后来成为DeepMind首席技术官的科拉伊·卡武库奥卢（Koray Kavukcuoglu），都围绕这个方向做了不少博士研究，核心目标就是通过自编码器预训练，来搭建非常深的神经网络。
但是事情出现了转折。随着归一化、ReLU激活函数等技术的出现，以及数据集规模的扩大，研究人员发现，在完全有监督的方式下，也能成功训练相当深的网络。于是，自监督/无监督学习的想法，被暂时搁置。
直到2015年残差网络（ResNet）的出现，基本解决了训练极深架构的问题。也是在2015年，杨立昆重新回到了如何迈向人类级别AI的初心。他意识到，强化学习等方法在样本效率上极低，难以扩展，于是关于世界模型，即系统能够预测自身行动后果，并且进行规划的想法，开始真正成型。2016年，他在NIPS的主题演讲中，公开阐述了这个核心主张，随后和学生开始在视频预测等领域，进行具体的研究。
但是当时整个领域都犯了一个根本性的错误，那就是试图在像素级别进行预测。在视频这样的高维连续空间里，这种做法几乎是不可能的，因为预测本质是非确定性的，模型需要潜变量来表征未知信息。而像素级预测的复杂度，远超当时的技术能力。杨立昆和团队实验了多年，探索了扩散模型、基于能量的模型等，训练非确定性函数的方法，始终没有突破。直到后来，他才领悟到根本的出路，那就是放弃像素级预测，转向抽象表征层面的预测。
但是这个方向也面临一个重大的难题：坍缩。早在九十年代，杨立昆就发现，如果只是简单训练两个共享权重的神经网络，让它们对同一对象的略微不同版本，输出相同的表示，系统很快就会塌缩，学不到任何有用的东西。为了解决这个问题，1993年，杨立昆引入了对比项的核心思路，除了相似样本对，还引入不相似的样本对。通过训练让系统在相似样本上拉近表示，在不相似样本上拉远表示，形成相似吸引、不相似排斥的代价函数。这个想法最初来自一个非常实际的需求，为信用卡磁条设计小于80字节的手写签名编码，用于签名验证。最终技术上大获成功，但是商业上却被用PIN码替代的方案否决。这也让杨立昆得到一个深刻的教训：技术可行，不代表商业上会被采纳。
到了2000年代中期，杨立昆和两位学生拉娅·哈塞尔（Raia Hadsell）以及苏米特·乔普拉（Sumit Chopra），重新回到对比学习方向，提出了新的目标函数：正样本对应低能量，负样本对应高能量。能量本质上就是表征之间的距离。他们在2005年和2006年的CVPR会议上发表了相关论文，让对比学习重新活了过来。但是当时的效果并不理想，比如在图像任务中学到的表征维度很低，在ImageNet上训练后，表征的有效维度只有两三百，远达不到实际应用的需求。
真正的突破发生在大约五年前。杨立昆在MIT的博士后斯特凡诺（Stefano）提出了一个他最初并不看好的想法：直接最大化编码器输出的信息量。杨立昆之所以怀疑，是因为早在1980年代，杰弗里·辛顿就做过类似的尝试，信息量本身很难最大化，因为通常只有上界，没有可计算的下界。但是斯特凡诺提出的方法居然奏效了，这就是后来以理论神经科学家命名的巴洛双胞胎（Barlow Twins）方法。这个突破让杨立昆意识到，这个方向值得深入推进。随后，他们又提出了方差-不变性-协方差正则化（VICReg，Variance–Invariance–Covariance Regularization），结构更加简单，效果反而更好。最近，杨立昆和兰德尔（Randall）还讨论了一个可以进一步工程化的方案：信号正则化（SigReg），核心思想是约束编码器输出的向量分布，接近各向同性高斯分布。
杨立昆对这个领域的未来充满信心，他认为未来一两年内还会有显著的进展，而这条技术路线，正是训练能够学习抽象表征模型的关键，而抽象表征，恰恰是世界模型的核心。
在访谈中，杨立昆最颠覆认知的言论，莫过于AGI是个彻头彻尾的谎言。但是他并不是要否定AI能达到高的水平，而是认为通用智能这个概念，本身就站不住脚。它本质上是以人类智能为参照定义的，但是人类智能本身是高度专用化的。杨立昆解释道，我们擅长在现实世界中行动、与他人互动，但是在下棋等任务上表现糟糕；而很多动物在某些方面远胜人类，比如狗的嗅觉、猫的灵活性。我们之所以误以为自己是通用的，只是因为我们只能理解自己能够想象的问题。所以在他看来，与其讨论通用智能，不如讨论人类水平的智能，比如机器是否会在所有人类擅长的领域，达到或超过人类？答案是肯定的，而且在某些领域已经发生了，比如机器可以在上千种语言之间进行双向翻译，这是任何人类都无法做到的。但是这个过程不会是一个突发事件，而是一个渐进的过程。
杨立昆给出了一个非常保守但是务实的时间表：如果一切顺利，没有遇到尚未意识到的根本性障碍，最乐观的情况是，在5到10年内，我们或许能看到接近人类，或者至少接近狗水平的智能系统。但是这只是最乐观的估计，历史告诉我们，AI发展中总会出现新的瓶颈，所以可能需要20年，甚至更久才能够突破。
而更令人意外的是，杨立昆认为，从当前的AI水平到狗水平智能，比从狗水平到人类水平更难。一旦你达到狗的智能阶段，绝大多数核心要素就已经具备了。他解释道，从灵长类到人类，真正新增的关键能力可能主要是语言，而语言在大脑中只占据极小的区域。我们现在的大语言模型已经在这方面做得相当不错，某种意义上，未来的语言模型，可能会扮演人脑中布罗卡区和韦尼克区的角色。而我们当前真正缺失的，是相当于前额叶皮层的功能，也就是世界模型的规划与行动能力。
杨立昆认为，智能的核心不在于记忆和复述，而在于能够预测自身行动的后果，并且用于规划。狗之所以具备基础智能，就是因为它能理解物理世界的基本规律，能根据环境预测接下来会发生什么，然后调整自己的行为。而当前的AI，恰恰缺少这种预测和规划的闭环。这也是为什么，即便大语言模型能生成流畅的文本，却依然无法在真实世界中自主行动。
随着AI能力的提升，安全问题一直是业界争论的焦点，尤其是AI灭世论的说法，让很多人担心AI未来会失控。杨立昆作为AI领域的权威，也分享了他的独到见解。他既不认同暂停AI发展的极端观点，也反对忽视风险的盲目乐观。
杨立昆坦言，他亲身经历过AI恐惧带来的真实伤害。有一次在纽约大学的校园，他遇到一名情绪严重不稳定的人，携带危险物品被警方带走，而这个人的精神状态，就受到了AI灭世论的影响。还有高中生给他写信，说他们被这类言论吓到，甚至不再上学。
但是他同时强调，历史告诉我们，任何强大的技术都会带来利弊，关键不在于是否发展技术，而在于如何通过工程和治理来控制风险。他用汽车来举例，早期的汽车极其危险，但是通过安全带、溃缩区、自动刹车系统等技术演进，如今已经大幅降低了死亡率。欧盟强制配备的自动紧急制动系统，已经被证明能减少40%的正面碰撞事故。AI也是如此，它既可能带来风险，也已经在医疗影像等领域，挽救了大量生命。
对于是否需要暂停AI发展来专注安全的问题，杨立昆的答案非常明确：安全必须与发展同步进行，而不是先停下来等着绝对安全。他用喷气发动机作比喻，第一代喷气发动机根本不安全、不可靠，但正是在不断工程改进中，才达到了今天这种可以连续飞行17小时的可靠性。所以他认为，AI也会走类似的路径。我们会逐步构建具备规划与行动能力的系统，同时在底层引入明确的安全约束。比如家用机器人必须始终避开人类、不能伤害人，手持刀具时必须限制动作幅度，这些都可以通过低层的规则来明确约束。所谓回形针最大化的极端案例，在工程上其实是非常容易避免的。
而对于大语言模型容易被越狱、绕过安全限制的问题，杨立昆认为，这正是依赖大语言模型的根本缺陷。我们不应该指望通过微调或内容过滤来解决安全问题，而应该转向目标驱动（objective-driven）的AI架构。这种架构的安全设计是先天的，而非事后修补。它具备三个关键能力：第一，拥有世界模型，能够预测自身行为可能带来的后果；第二，可以规划一系列的行动来完成任务；第三，也是最关键的，受到一整套硬性约束的限制，确保无论采取什么行动、预测到什么世界状态，都不会对人类造成危险。换句话说，它的输出不是靠过滤坏的内容，而是通过在满足约束条件的前提下，优化目标函数得出的，从结构上就不具备逃逸的可能性。
对于那些通过暴力搜索来提升安全性的方法，比如让模型生成大量的候选输出，再用过滤系统挑出最不糟糕的结果，杨立昆直言极其荒谬。这种方法的计算成本高得离谱，无法规模化，除非有真正意义上的目标函数或价值函数，能在生成过程中就把系统引导到高质量、低风险的输出。
访谈中，主持人还问到了Meta内部的AI布局，以及Alex Wang是否在接替杨立昆角色的问题。杨立昆也公开回应了这些内斗传闻。
首先，杨立昆明确表示，Alex Wang并不是在接替我。他解释道，Alex Wang负责的是Meta所有AI相关的研发与产品整体运作，而不是科研本身。Alex Wang并不是研究员或科学家，而是一个负责全面统筹的管理者。在Meta的超级智能实验室体系下，AI相关工作大致分为四个部分：第一是人工智能基础研究实验室（FAIR），负责长期基础研究；第二是TBD Lab，主要做前沿模型，几乎完全聚焦大语言模型；第三是AI基础设施，包括软件和硬件；第四是产品部门，把前沿模型做成真正可用的产品，比如聊天机器人，并且集成到WhatsApp等应用中。Alex Wang的职责是统管这四个方向。
而杨立昆本人是FAIR的首席AI科学家。在访谈时他已经明确表示，还会在Meta待三周左右，之后就会正式离职。
对于FAIR的定位变化，杨立昆也毫不避讳地表示，FAIR目前由他在纽约大学的同事罗布·弗格斯（Rob Fergus）领导。在乔尔·皮诺（Joel Pineau）离开后，FAIR被明显推向更短期、更偏应用的研究方向，发表论文的重要性下降，更多是为TBD Lab的大模型工作提供支持。这也意味着Meta整体正在变得更封闭。有些原本属于FAIR的研究团队，也被重新归类到产品部门，比如做SAM（Segment Anything）模型的团队，因为他们的技术更偏向对外、实用型，更适合直接对接产品落地。
这种重应用、轻基础研究的转向，或许也是杨立昆最终选择离开的重要原因之一。毕竟，他一直坚信，基础研究的开放和沉淀，才是AI长期发展的核心动力。
作为世界模型领域的先驱，杨立昆也点评了当前其他试图构建世界模型的公司，其中既有肯定，也有尖锐的批评。
首先是伊利亚的SSI。杨立昆直言它已经成了行业笑话，几乎没人知道他们在干什么，包括他们自己的投资人。不过他也强调这只是传言，不确定真假。
对于Physical Intelligence公司，杨立昆表示了解他们的大致方向，他们主要做几何一致的视频生成，即场景具有持久的三维结构，转身再回来，物体不会凭空变化。但是杨立昆认为，这仍然是生成像素的思路，而他早就已经明确，生成像素本身是个错误方向，因为这种方法无法让模型真正理解世界的底层动力学，只是学会了表面的统计相关性。
在所有同行中，杨立昆相对认可的是总部位于牛津的Wayve公司。他本人也是这家公司的顾问。Wayve在自动驾驶领域构建了一个世界模型，核心思路是先学习一个表征空间，再在这个抽象空间中做时间预测。杨立昆认为他们做对了一半，对的地方在于，预测应该发生在表征空间，而不是像素空间，但是问题在于，他们的表征空间仍然主要通过重建训练得到，这一点在杨立昆看来是错误的。不过即便如此，Wayve的系统整体效果非常好，在自动驾驶领域已经走得相当靠前。
此外，NVIDIA和Sandbox AQ公司也在探索类似的方向。Sandbox AQ的首席执行官杰克·希达里（Jack Hidary）提出了大型定量模型（Large Quantitative Models）的概念，而非语言模型，本质上就是能够处理连续、高维、噪声数据的预测模型，这与杨立昆的主张高度一致。
谷歌（Google）也做了很多世界模型相关的研究，但是主要仍然是生成式路径。杨立昆认为，达尼贾尔·哈夫纳（Danijar Hafner）的Dreamer系列模型，其实走在了正确的道路上，只可惜哈夫纳已经离开谷歌创业了。
从这些点评可以看出，杨立昆判断一个世界模型公司是否走对路的核心标准，就是是否放弃了像素级/文本级的直接生成或重建，转向了抽象表征空间的预测。这 Cũng正是他自己多年研究得出的核心结论。
杨立昆之所以选择创办一家全球性的公司，在巴黎、纽约等地布局，而不是扎根硅谷，核心原因之一，就是硅谷存在严重的技术单一化问题。在硅谷，竞争极端激烈，所有公司都在被迫做同一件事。如果你走一条不同的技术路线，就有掉队的巨大风险。杨立昆解释道，现在OpenAI、Meta、Google、Anthropic几乎所有的硅谷巨头，都在扎堆做大语言模型，拼命扩大规模、堆砌数据和算力。在这种环境下，没有人敢轻易尝试不同的技术路线，因为一旦失败，就可能被市场淘汰。
更严重的是，硅谷还形成了一种大语言模型洗脑的文化。很多人坚信，只要不断扩大模型的规模、生成更多合成数据、加强强化学习微调，就一定能走向超级智能。但是杨立昆认为这是彻底错误的，因为大语言模型根本不擅长处理连续、高维、噪声数据，比如在视频、物理世界感知等领域，大语言模型的尝试几乎都失败了。大家拼命都在同一条战壕里向前冲，却很容易被来自完全不同方向的技术突破所颠覆。
杨立昆的这句话，其实是对整个行业的警示。他透露，其实在硅谷的大公司内部，也有不少人私下认同他的观点，只是迫于公司的战略方向，无法公开表达或者践行。而他现在正在把这些人招入自己的新公司AMI。
最后，主持人问到了一个很多人关心的问题：对于已经65岁、功成名就的杨立昆，为什么还要选择从零开始创业？他的回答非常简单，因为使命感。
杨立昆认为，提升世界上的智能总量，是一件内在正确的事情。智能是这个世界上最稀缺、最被需要的资源，这也是为什么人类会投入如此多的成本去教育。无论是帮助人类更聪明，还是用机器来增强人类智能，本质上都是在服务同一个目标。强大的技术必然会伴随风险，但那是工程和治理的问题，而不是不可逾越的根本障碍。
杨立昆一生的研究、教学、公共传播，几乎都围绕着让人类变得更聪明这件事，而机器智能，本质上也是这个目标的一部分。他之所以在65岁的年纪还要创业，就是因为他相信，自己多年坚守的世界模型路线，能够真正推动AI的本质进步，为人类带来更有价值的智能工具。
当然，回顾职业生涯，杨立昆也有遗憾，最让他后悔的，是没有花足够时间把自己的想法写下来，结果经常被别人抢先。反向传播算法（Backpropagation）就是一个例子，他其实很早就有了类似的思路，但是没有及时完整的发表。不过杨立昆并没有纠结于此，因为他明白，科学思想几乎从来不是孤立产生的。从想法到论文、到理论、到应用、到产品，本身就是一个漫长而复杂的链条。就像世界模型这个概念一样，其实它也并不新了，早在1960年代，控制论和航天工程就已经在使用世界模型来规划火箭轨道，所谓系统辨识，更是1970年代的老概念。但是真正的难点，从来不在谁最早提出，而在于把一个想法真正变成可工作的系统，而这正是杨立昆现在要做的事情。
杨立昆的这场访谈，与其说是一次个人观点的表达，不如说是一场AI行业的路线宣言。一边是硅谷巨头们主导的算力+数据竞赛，追求短期产品落地和商业价值；另一边是杨立昆坚守的认知+感知路线，执着于基础研究和长期技术突破。到底谁是对的？现在还无法给出答案。但可以肯定的是，杨立昆的存在，为AI行业提供了一种宝贵的多元视角。如果所有顶尖人才和资源都扎堆在同一条赛道上，行业很可能会陷入路径依赖，错过真正的颠覆性突破。而杨立昆的创业，恰恰为这种突破提供了可能性。
也许正如他所说，智能的核心应该是预测和规划，而不是记忆和复述。未来的AI，终将走出实验室，走进真实世界，成为能够理解、预测、行动的智能体。而世界模型，很可能就是通向这个未来的关键钥匙。无论最终结果如何，这位65岁仍在追梦的AI泰斗，用自己的坚守和勇气，为我们展现了科学家的初心和使命感。而这场关于AI未来的路线之争，也必将深刻影响整个行业的发展方向。
感谢收看本期视频，我们下期再见。