JEPA

本站聊世界模型时，绕不开路线之争。一条路是今天主流大模型在走的：在语言里预测下一个词，把一切压缩成文本统计。另一条路由杨立昆等人推动：让模型在内部建一个世界的可预测模型，不只是模仿人类怎么说话，而是预演世界会怎么演化。两派对理解二字的定义根本不同，这场争论比表面看上去更哲学。 下一个词预测在预测什么？ 自回归路线的成功，是工程上最惊人的现实。海量参数加上万亿级词元，竟然能在很多任务上逼近人类表现。但它预测的是文本，不是世界。模型知道人们在描述台球碰撞时会写下哪些词，却不一定真的在脑子里推演球与球相撞的角度与动量。 这就是批评者的核心论点：预测下一个词，是在拟合人类关于世界的二手叙述，而不是在模拟世界本身。一个模型可以把物理题解得头头是道，却对其中的因果关系毫无建模，因为它只是学会了物理题通常长什么样。 世界模型押注的是内在预演？ 世界模型路线把宝押在另一件事上。它主张智能的核心不是复述语言，而是在内部建一个可以跑的模拟器：给一个初始状态，预测下一刻会发生什么，再用真实反馈纠正这个预测。会做这件事的系统，才算真的对世界有了结构理解。 JEPA 这一类架构就是这个思路的代表。它不要求模型逐像素重构画面，而是要求模型在抽象表征空间里预测未来状态。预测对了，说明内部那张世界地图是对的。这条路的野心是绕开语言，直接给智能装上一个物理直觉引擎。 两条路线会在终点相遇吗？ 乐观者认为二者终将合流。纯语言路线迟早撞上因果与具身的墙，需要世界模型来补；纯世界模型路线也需要语言这个通用接口来传递抽象。真正通用的智能体，大概既会在心里预演，也会用语言表达。 但分歧没有那么容易消解。它背后是一个更老的哲学问题：理解是关于把世界装进脑子里，还是关于学会在符号间正确跳转？我们今天还没有证据证明哪条路通向真理解，只有证据表明它们各自在特定任务上有效。世界模型之争，本质上是我们还没搞清什么是理解，才吵成这样。 两条路线的分歧，说到底是对经验来源的信仰不同。一派相信只要读够了人类写下的世界，就能反推出世界；另一派相信只有亲手在世界里摔打过，才算真懂。这个争论其实早已在哲学里上演过，理性主义与经验主义吵了几百年，至今没有终局。今天只是换了一个硅基战场，把老问题重新打了一遍。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论