"世界模型"，人工智能领域的一个古老概念在卷土重来

健康生活 2025年09月04日 01:02 1 admin

世界模型就像一个计算雪球——现实的微缩表现。纳什·韦拉塞克拉 (Nash Weerasekera) 为 《Quanta》杂志拍摄

经过约翰·帕夫卢斯、特约撰稿人

人工智能研究的最新目标——尤其是在寻求“通用人工智能”（AGI）的实验室中——是所谓的“世界模型”：它就像一个计算雪球，是人工智能内部环境的表征。人工智能系统可以使用这种简化的表征来评估预测和决策，然后再将其应用于现实世界的任务。深度学习领域的杰出人物 Yann LeCun（Meta 团队）、Demis Hassabis（谷歌 DeepMind 团队）和 Yoshua Bengio（魁北克人工智能研究所 Mila 团队）都认为，世界模型对于构建真正智能、科学和安全的人工智能系统至关重要。

几十年来，心理学、机器人技术和机器学习领域一直在使用这个概念的某种版本。你的脑海里现在可能就有一个世界模型在运行——它让你知道，如果不先进行实验，就不要走到行驶的火车前面。

那么，这是否意味着人工智能研究人员终于找到了一个所有人都能认同的核心概念呢？正如一位著名物理学家曾经写道的（打开新标签页）你肯定在开玩笑。世界模型听起来可能很简单——但像往常一样，没有人能在细节上达成一致。（打开新标签页）模型中体现了什么？保真度如何？它是天生的、后天习得的，还是两者兼而有之？你如何检测它的存在？

人工智能时代的科学、前景与危机

了解整个想法的起源很有帮助。1943年，也就是“人工智能”一词诞生的十几年前，一位名叫肯尼斯·克雷克的29岁苏格兰心理学家发表了一本颇具影响力的专著。（打开新标签页）他在书中沉思道：“如果有机体在头脑中拥有一个外部现实的‘小规模模型’……它就能尝试各种选择，得出其中最好的一个……并以更全面、更安全、更有效的方式做出反应。” 克雷克关于心理模型或模拟的概念预示着“认知革命”（打开新标签页）”这一理论在20世纪50年代彻底改变了心理学，至今仍统治着认知科学。更重要的是，它将认知与计算直接联系起来：克雷克认为，“并行或模拟外部事件的能力”是“神经机制”和“计算机器”的“根本特征”。

新兴的人工智能领域积极采用世界建模方法。20世纪60年代末，一个名为SHRDLU的人工智能系统（打开新标签页）通过使用一个基本的“积木世界”来回答关于桌面物体的常识性问题，例如“金字塔能支撑一个积木吗？”，令观察者惊叹不已。但这些手工制作的模型无法扩展以处理更复杂的现实环境。到了20世纪80年代末，人工智能和机器人先驱罗德尼·布鲁克斯（Rodney Brooks）彻底放弃了世界模型，并提出了著名的断言：“世界本身就是它最好的模型”，而“明确的表述……只会成为障碍。”

机器学习的兴起，尤其是基于人工神经网络的深度学习，让克雷克的创意重新焕发活力。深度神经网络不再依赖于脆弱的手工编码规则，而是能够通过反复试验，构建训练环境的内部近似值。（打开新标签页）然后使用它们来完成一些特定任务，比如驾驶虚拟赛车。过去几年里，像 ChatGPT 这样的聊天机器人背后的大型语言模型开始展现出一些它们没有经过专门训练的新兴能力——比如从一串表情符号中推断电影名称，或者玩棋盘游戏奥赛罗。（打开新标签页）——世界模型为这个谜团提供了一个便捷的解释。对于杰弗里·辛顿、伊利亚·苏茨克弗和克里斯·奥拉等杰出的人工智能专家来说，答案显而易见：正如克雷克所想象的那样，在法学硕士的虚拟神经元丛深处，一定隐藏着“一个小型的外部现实模型”。

至少就我们所知，真相并没有那么令人印象深刻。如今的生成式人工智能学习的并非世界模型，而是“一堆启发式规则”：一堆互不相关的经验法则，可以对特定场景做出近似反应，但无法凝聚成一个一致的整体。（有些规则实际上可能相互矛盾。）这很像盲人摸象的故事，每个人每次只摸到大象的一部分，却无法理解它的完整形态。一个人摸到象鼻，就认为整头大象像蛇；另一个人摸到一条腿，猜想它更像一棵树；第三个人抓住大象的尾巴，说那是一根绳子。当研究人员试图（打开新标签页）为了从法学硕士（LLM）课程中恢复世界模型的证据——例如，黑白棋棋盘的连贯计算表征——他们寻找的是完整的大象。但他们找到的只是一小段蛇，一小段树，以及一些绳子。

当然，这样的启发式方法并非毫无价值。法学硕士（LLM）可以在数万亿个参数中编码无数个这样的方法——正如那句老话所说，数量本身就是一种质量。正因如此，我们才有可能训练一个语言模型，在曼哈顿任意两点之间生成近乎完美的方向，而无需在此过程中学习整个街道网络的连贯世界模型，正如哈佛大学和麻省理工学院的研究人员最近发现的那样。（打开新标签页）。

那么，如果蛇、树和绳子都能完成任务，那为什么还要费力去研究大象呢？总之，就是鲁棒性：当研究人员随机阻断1%的街道，给这台用于曼哈顿导航的法学硕士（LLM）抛出一个轻微的曲线球时，它的表现就一落千丈。如果人工智能只是简单地编写一张细节一致的街道地图——而不是一个极其复杂、角落里拼凑着相互冲突的最佳猜测——它就能轻松地绕过障碍物。

考虑到即使是简单的世界模型也能带来的好处，很容易理解为什么每个大型人工智能实验室都渴望开发它们，以及为什么学术研究人员对研究它们越来越感兴趣（打开新标签页）也是如此。稳健且可验证的世界模型即使不能揭示通用人工智能的黄金国，至少也能揭示一种科学上可行的工具，用于消除人工智能的幻觉，实现可靠的推理，并提高人工智能系统的可解释性。

这就是世界模型的“是什么”和“为什么”。然而，“如何”实现，至今仍是未知数。谷歌DeepMind和OpenAI认为，只要有足够多的“多模态”训练数据——比如视频、3D模拟以及文本以外的其他输入——世界模型就会自发地在神经网络的统计汤中凝结。与此同时，Meta的LeCun认为，一个全新的（非生成式的）人工智能架构将提供必要的支撑。在构建这些计算雪球的过程中，没有人拥有水晶球——但这一次，或许值得如此大肆宣传。