详细内容或原文请订阅后点击阅览
学习观察物理世界：吴家骏专访
图片来源：吴家俊、张云志、于红星、徐怡、毛佳媛。通过共同进化的基础模型发现混合世界表示。在年度 AAAI 人工智能会议记录中，2026 年人工智能新兴趋势 (ETA) 轨道。在 ACM SIGAI 的出版物《AI Matters》最新一期中，Ella Scallan 采访了 Jiajun […]
来源:ΑΙhub图片来源：吴家俊、张云志、于红星、徐怡、毛佳媛。通过共同进化的基础模型发现混合世界表示。 AAAI 人工智能年度会议论文集，人工智能新兴趋势 (ETA) 轨道，2026 年。
在最新一期的 ACM SIGAI 出版物《AI Matters》中，Ella Scallan 采访了吴家俊，详细了解了他的研究、该领域的发展情况以及他最兴奋的未来方向。
您的研究领域是什么？从我的论文发表以来，我的研究主题在高水平上没有太大变化。这一直是物理场景理解的问题——构建能够观察、推理并与物理世界交互的机器。除了学习算法之外，人工智能系统在表示方面需要什么抽象级别，它们从哪里来？我的目标是回答这些基本问题，从自然（即物质世界本身）和人类认知中汲取灵感。
您的工作背景是什么？几十年来，建造具有视觉和物理智能的机器一直是 Al 的北极星。尽管取得了进展，但物理场景理解仍然没有得到解决，因为它需要对几何、物理和功能进行整体解释——超出了任何单一学科的范围。这些领域的数据仍然稀缺；因此，简单地扩大模型是不可行的。我们需要适当的表示和学习范式，以实现数据高效、灵活、可概括的物理场景理解。
你的方法论是什么？ 您的研究目前进展如何？ 您的研究的主要应用是什么？计算机视觉的主要用途当然是用于机器人技术，但我们也可以将其用于娱乐（电影、游戏）、设计和创意。例如，我们最近的一篇论文引起了游戏设计师的浓厚兴趣。
近年来您所在的领域有何发展？ 哪些未来方向或开放性问题最让您兴奋？标签：
,