深度｜李飞飞：理解世界运作方式是AI的下一步，我们需要从大语言模型转向大世界模型

文章预览

图片来源：Princeton University 语言中充满了视觉格言。 比如，“眼见为实”，“一幅画胜过千言万语”，“眼不见，心不烦”等等。这是因为我们人类从视觉中获取了很多意义。但并不是一直都具备视觉能力。直到大约 5.4 亿年前，所有生物都生活在水面以下，且它们都无法看见。只有随着三叶虫的出现，动物们才能第一次感知到周围阳光的丰富。接下来发生的事情是非凡的。在接下来的 1 千万到 1.5 千万年中，视觉的能力开启了一个被称为寒武纪大爆发的时期，在这个时期，大多数现代动物的祖先出现了。 今天，我们正在经历人工智能（AI）的现代寒武纪大爆发。似乎每周都有一种新的、令人惊叹的工具问世。最初，生成式AI革命是由像 ChatGPT这样的巨大语言模型推动的，它们模仿人类的语言智能。 但我相信，基于视觉的智能——我称之为空间智能 ………………………………