楊立昆主張的「世界模型」與目前主流的大型語言模型（LLM）在理解物理世界方面有何根本差異？

楊立昆的「世界模型」與大型語言模型（LLM）的根本差異

楊立昆（Yann LeCun）提倡的「世界模型」與目前主流的大型語言模型（LLM）在理解物理世界方面存在顯著的差異。楊立昆認為，LLM 對物理世界的理解非常薄弱，他甚至直言 LLM「比貓還笨」，並認為這種技術永遠無法實現通用人工智慧。他強調，真正的 AI 應該能夠像人類或貓一樣預判現實、制定行動計畫，這需要 AI 從視覺和空間數據中學習內在的因果關係和可預測的部分，從而形成一個「能想像未來狀態」的模型，即「世界模型」。

LLM 與世界模型的本質區別

LLM 主要通過分析大量的文本數據來學習語言模式，並生成看似流暢和有意義的文本。然而，LLM 缺乏對真實世界物理法則的理解，無法進行有效的推理和預測。相比之下，楊立昆的「世界模型」旨在建立一個能夠模擬和預測現實世界的模型，使 AI 能夠理解物理世界的運作方式，並根據這些理解做出決策。這種模型需要處理視覺、空間等多種數據，並學習數據之間的因果關係，從而實現對未來的預測和規劃。

技術路線的分歧與 Meta 的策略轉變

楊立昆對 LLM 的質疑與 Meta 將 LLM 視為實現超級智慧核心路徑的策略背道而馳。Meta 近期將 AI 研發重心轉向追求快速見效的 LLM 路線，並聘請了 Scale AI 的創辦人汪滔來領導新的 AI 團隊，這使得楊立昆領導的基礎 AI 研究團隊（FAIR）被邊緣化。這種策略轉變反映了 Meta 在 AI 發展方向上的分歧，以及對短期商業利益的追求。楊立昆的離職意圖也表明，他對 Meta 的技術路線選擇感到失望，並希望通過創辦自己的公司來繼續推動「世界模型」的研究。