详细内容或原文请订阅后点击阅览
$1B 赌注：LeCun 的世界模型 vs LLM 的帝国
Yann LeCun 与他的新初创公司 AMI 迈出了大胆的一步，致力于创建理解物理世界、推理因果关系并发展真正常识的“世界模型”。这种方法直接挑战了当今的主导范式，表明仅扩展法学硕士可能永远无法实现人类水平的智能。
来源:Qudata$1B 赌注：LeCun 的世界模型 vs LLM 帝国
为了对人工智能的主导轨迹发起大胆挑战，Meta 前首席人工智能科学家 Yann LeCun 为其新创业公司高级机器智能 (AMI) 筹集了超过 10 亿美元资金。这家总部位于巴黎的公司正在追求人工智能的另一种愿景——优先考虑理解物理世界。
AMI 的核心使命是开发“世界模型”——能够推理、规划并与现实世界环境交互的人工智能系统。这种方法与 OpenAI 和 Anthropic 等公司所采用的主流策略形成鲜明对比，这些公司专注于扩展大型语言模型 (LLM)。
LeCun 一直认为，法学硕士虽然在语言生成和编码任务方面很强大，但缺乏对世界如何运作的基本理解。相反，他认为真正的智能需要能够对因果关系、物理相互作用和现实世界约束进行建模的系统——研究人员通常将其描述为“常识”。
这一差距在人工智能研究中得到了广泛认可。纯粹基于数据模式训练的系统常常难以完成需要隐含世界知识或超出观察到的示例的推理的任务。智能必须以结构化知识和推理为基础的想法并不新鲜，但随着人工智能系统部署在日益复杂的环境中，这一想法变得更加紧迫。
这种方法的一个实际例子可以在 QuData 的工作中看到，该公司对常识性人工智能的研究反映了 LeCun 愿景背后的许多原则。 QuData 团队并没有仅仅依赖神经网络，而是开发了 DemonScript——一种多值逻辑语言，旨在对现实世界的知识、关系和规则进行建模。
这种混合方法将数据驱动的学习与显式知识表示相结合，凸显了更广泛的行业转向将推理能力集成到人工智能系统中。