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

主要观点总结

本文介绍了视觉在人类获取信息中的重要性，以及人工智能在视觉智能方面的快速发展。作者以计算机视觉领域为例，说明了AI如何模仿人类的空间智能，并展望了未来AI在理解和模拟现实世界方面的潜力。文章还提到了大型世界模型的必要性以及空间智能作为AI下一个前沿的重要性。

关键观点总结

关键观点1: 视觉在人类获取信息中的重要作用

文章中强调了视觉对人类获取信息的重要性，并指出语言智能与空间智能的结合是人类理解和与世界互动的基础。

关键观点2: AI在视觉智能方面的快速发展

文章介绍了计算机视觉领域的发展，包括算法、GPU能力和大数据的融合，使得AI在视觉智能方面取得了快速进展。

关键观点3: 从大型语言模型到大型世界模型的转变

作者指出，为了让计算机具有人类的空间智能，需要从大型语言模型转向大型世界模型，这需要AI能够建模世界、推理事物和地点，并在时间和3D空间中进行互动。

关键观点4: 空间智能作为AI的下一个前沿

文章强调了空间智能作为AI的下一个前沿领域的重要性，并展望了其在导航、照顾老人、医疗、模拟、培训和教育等领域的应用前景。

文章预览

来源丨Z Potentials（ID：zfunding） 图源丨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 ………………………………