AIGC动态欢迎阅读
」论文，揭示AI学习物理世界的关键
关键字：模型,表征,世界,任务,研究者文章来源：机器之心
内容字数：8874字内容摘要：
机器之心报道
机器之心编辑部Sora 的发布让整个 AI 领域为之狂欢，但 LeCun 是个例外。
面对 OpenAI源源不断放出的 Sora 生成视频，LeCun 热衷于寻找其中的失误：归根结底，LeCun 针对的不是 Sora，而是 OpenAI 从ChatGPT到 Sora 一致采用的自回归生成式路线。
LeCun 一直认为， GPT 系列 LLM 模型所依赖的自回归学习范式对世界的理解非常肤浅，远远比不上真正的「世界模型」。
所以，一遇到「Sora 是世界模型」的说法，LeCun 就有些坐不住：「仅仅根据 prompt 生成逼真视频并不能代表一个模型理解了物理世界，生成视频的过程与基于世界模型的因果预测完全不同。」那么，面对视觉任务，世界模型如何获得自回归模型一般的性能？
最近，Lecun 发布了自己关于「世界模型」的新论文《在视觉表征学习中学习和利用世界模型》，刚好解释了这个问题。论文标题：Learning and Leveraging World Models in Visual Representation Learning
论文链接：https://arxiv.o原文链接：怒斥Sora之后，LeCun放出「视觉世界模型」论文，揭示AI学习物理世界的关键
联系作者
文章来源：机器之心
作者微信：almosthuman2014
作者简介：专业的人工智能媒体和产业服务平台
