顶级AI公司加码世界模型开发应对大语言模型增长放缓

全球顶级人工智能公司正在加大对所谓"世界模型"的投资力度，这种技术能够更好地理解人类环境，旨在寻找实现机器"超级智能"的新途径。

Google DeepMind、Meta和英伟达等公司正试图通过开发能够导航物理世界的系统来在AI竞赛中获得优势，这些系统通过学习视频和机器人数据而非仅仅是语言来实现目标。

这一推动背景下，人们开始质疑大语言模型——驱动OpenAI的ChatGPT等流行聊天机器人的技术——是否正在触及发展天花板。尽管投入了巨额资金进行开发，但OpenAI、谷歌和马斯克的xAI等各大公司发布的大语言模型之间的性能飞跃正在放缓。

英伟达Omniverse和仿真技术副总裁Rev Lebaredian表示，世界模型的潜在市场规模可能是巨大的，几乎相当于全球经济规模，因为它将技术带入了制造业和医疗保健等物理领域。

"世界基础模型的机遇是什么？本质上...如果我们能够创造出理解物理世界并在物理世界中运作的智能，那就是100万亿美元的机遇，"他说道。

世界模型的核心技术

世界模型使用真实或模拟环境的数据流进行训练。它们被视为推动自动驾驶汽车、机器人和所谓AI智能体发展的重要步骤，但需要大量的数据和计算能力来训练，被认为是一个尚未解决的技术挑战。

随着几个AI集团在最近几个月推出了一系列世界模型的进展，这种专注于大语言模型替代方法的趋势变得显而易见。

上个月，Google DeepMind预览了Genie 3，该系统逐帧生成视频并考虑过去的交互。此前，视频生成模型通常一次性创建整个视频，而不是逐步进行。

"AI...仍然很大程度上局限于数字领域，"Google DeepMind的Genie 3联合负责人Shlomi Fruchter说道。"通过构建看起来或行为类似真实世界的环境，我们可以有更多可扩展的方式来训练AI...而不会在现实世界中犯错产生实际后果。"

Meta正试图复制儿童通过观察周围世界被动学习的方式，在原始视频内容上训练其V-JEPA模型。

由Meta首席AI科学家Yann LeCun领导的Facebook人工智能研究(Fair)实验室专注于长期AI项目，于6月发布了该模型的第二个版本，目前正在机器人上进行测试。

被认为是现代AI"教父"之一的LeCun一直是新架构最有力的支持者之一，他警告称大语言模型永远无法获得像人类一样的推理和规划能力。

尽管如此，Meta首席执行官马克·扎克伯格最近增加了对顶级AI人才的投资，一个精英团队现在正在努力在其下一代Llama大语言模型上取得突破。这包括聘请数据标注集团Scale AI的创始人Alexandr Wang来领导Meta的所有AI工作，LeCun现在向Wang汇报。

世界模型的近期应用

世界模型的一个近期应用是在娱乐行业，它们可以创建交互式和逼真的场景。由AI先驱李飞飞创立的初创公司World Labs正在开发一个模型，可以从单张图像生成类似视频游戏的3D环境。

与好莱坞工作室(包括狮门娱乐)有合作关系的视频生成初创公司Runway，上个月推出了一款使用世界模型创建游戏设置的产品，可以实时生成个性化故事和角色。

"传统的视频方法[是]像素生成的暴力方法，你试图在几帧中挤压运动来创造运动的错觉，但模型实际上并不真正知道或推理场景中发生的事情，"Runway首席执行官Cristóbal Valenzuela说道。

他补充说，以前的视频生成模型具有与现实世界不同的物理特性，而通用世界模型系统有助于解决这个问题。

数据收集与技术实现

为了构建这些模型，公司需要收集大量关于世界的物理数据。

总部位于旧金山的Niantic已经映射了1000万个位置，通过包括《精灵宝可梦GO》在内的游戏收集信息，该游戏拥有3000万月活跃玩家与全球地图进行交互。

Niantic运营《精灵宝可梦GO》九年，即使在今年6月将游戏出售给美国Scopely公司之后，其玩家仍然通过扫描公共地标贡献匿名数据来帮助构建其世界模型。

"我们在解决这个问题上有一个良好的开端，"现在称为Niantic Spatial的公司首席执行官John Hanke在Scopely交易后说道。

Niantic和英伟达都在致力于通过让其世界模型生成或预测环境来填补空白。英伟达的Omniverse平台创建和运行此类仿真，协助这家价值4.3万亿美元的科技巨头向机器人领域推进，并建立在其在视频游戏中模拟现实世界环境的悠久历史基础上。

英伟达首席执行官黄仁勋断言，公司的下一个主要增长阶段将来自"物理AI"，新模型将革命性地改变机器人领域。

包括Meta的LeCun在内的一些人表示，这种驱动具有人类水平智能的机器的新一代AI系统的愿景可能需要10年才能实现。

但据AI专家称，这项前沿技术的潜在范围是广泛的。世界模型"开启了为所有这些其他行业提供服务的机会，并放大了计算机对知识工作所做的同样事情，"英伟达的Lebaredian说道。

Q&A

Q1：世界模型是什么？它与大语言模型有什么区别？

A：世界模型是一种能够理解和导航物理世界的AI系统，通过学习视频和机器人数据来工作，而不是像大语言模型那样主要处理语言。世界模型被训练使用真实或模拟环境的数据流，旨在更好地理解人类环境和物理世界。

Q2：为什么科技巨头要转向世界模型开发？

A：主要原因是大语言模型的发展正在放缓，尽管投入了巨额资金，但各大公司发布的大语言模型之间的性能飞跃正在减缓。世界模型被视为实现机器"超级智能"的新途径，能够推动自动驾驶汽车、机器人和AI智能体的发展。

Q3：世界模型的市场前景如何？

A：据英伟达专家表示，世界模型的潜在市场规模可能达到100万亿美元，几乎相当于全球经济规模。这是因为它将AI技术带入了制造业、医疗保健等物理领域，开启了为各个行业提供服务的巨大机会。