20251201_超越Scaling的探索者们

AI 的前沿流派：超越 Scaling 的探索者们

在20251127_Ilya Sutskever访谈宣告“Scaling 时代终结”之前，其实已经有几位顶尖科学家在布局“下一代 AI”的架构。他们不相信单纯靠堆砌文本数据能通向 AGI，并各自提出了不同的突围路径。

1. Yann LeCun (Meta 首席科学家)：世界模型派

核心主张： “LLM 对物理世界一无所知，我们需要世界模型。”

LeCun 是目前大语言模型（LLM）最激烈的批评者之一。他认为现在的 GPT 只是在操纵符号，并不理解符号背后的物理实体。

1.1 他的批评 (The Critique)

• 文本带宽太低： 他有一个著名的论断：“一个 4 岁的孩子在醒着的每一秒钟，通过视觉感知到的数据量，就超过了所有互联网文本的总和。”

• 预测像素是错误的： 他反对现在的视频生成模型（如 Sora），因为它们在预测每一个像素的颜色（Generative），这太浪费算力且容易产生幻觉。人类不预测像素，人类预测“状态”。

1.2 他的方案：JEPA (Joint Embedding Predictive Architecture)

• 核心逻辑：不要让 AI 画出下一帧的画面（像素），而是让 AI 预测下一帧的“抽象特征” (Representation)。

• 比喻：当你扔出一把钥匙，你的大脑不会在视网膜上逐个像素地渲染钥匙的轨迹，而是直接预测“钥匙会落在桌子上”这个结果状态。

• 目标：让 AI 获得“常识” (Common Sense)和“物理直觉”，而不是语言能力。

2. Demis Hassabis (DeepMind 创始人)：仿真与游戏派

核心主张： “游戏是 AGI 的终极测试场，因为它是唯一允许无限试错的地方。”

DeepMind 的基因就是游戏（AlphaGo, AlphaStar）。Hassabis 认为，现实世界太危险、数据太贵，而高保真的游戏世界是完美的训练皿。

2.1 他的逻辑 (The Logic)

• 交互产生智能： 只有通过与环境的交互（Interactive），AI 才能学会因果律。文本是静态的，游戏是动态的。

• 从专用到通用：以前的 AI 只能玩一个游戏（如下围棋），现在的目标是玩所有游戏。

2.2 代表作：SIMA (Scalable Instructable Multiworld Agent)

• 发布时间： 2024 年

• 做什么：SIMA 不是为了“赢”或“拿高分”，而是为了“像人一样听懂指令”。

  • 指令：“去把那辆红色的车开到悬崖边。”

  • 跨游戏泛化：它在《模拟山羊》里学会了“开车”，到了《无人深空》里依然会开，尽管操作按键完全不同。

• 意义：这证明了 AI 可以通过视觉和语言指令，跨越不同的物理法则进行概念泛化。

3. Jim Fan (NVIDIA 高级科学家)：具身智能派

核心主张： “Foundation Agent (基础智能体) 将取代 Foundation Model (基础模型)。”

Jim Fan 致力于将 GPT 的大脑装进机器人的身体（无论是虚拟的还是实体的）。

3.1 他的愿景 (The Vision)

• 从 Chatbot 到 Agent：未来的 AI 不应该只是陪你聊天，而应该能帮你干活。

• 元宇宙即训练场： 他极其推崇在 Minecraft（我的世界）里训练 AI。因为 Minecraft 拥有近乎无限的开放性和复杂的合成表（逻辑链）。

3.2 代表作：Voyager & Eureka

• Voyager (Minecraft AI)：

  • 这是一个会写代码来控制自己的 AI。它不是靠鼠标点击，而是靠写 Python 脚本来挖掘、打怪、造房子。

  • **核心突破：它通过“终身学习”**机制，不断积累自己的代码库（Skill Library）。这解决了 AI “学了就忘”的问题。

• Eureka (奖励设计)：

  • 也就是我们之前讨论的“AI 教练”。它利用 GPT-4 来编写奖励函数，训练笔转机器手，表现比人类专家写的代码还好。

4. 总结：殊途同归

这三位科学家虽然切入点不同，但都在解决同一个问题——“文本数据的局限性”。

科学家	核心关键词	解决什么问题？	理想的终极形态
Ilya Sutskever	Reasoning (推理)	解决“数据枯竭”，让 AI 学会思考	超级科学家 (能发现新知识)
Yann LeCun	World Model (世界模型)	解决“物理幻觉”，让 AI 理解现实	全能管家 (懂物理常识，不犯蠢)
Demis Hassabis	Simulation (仿真)	解决“试错成本”，让 AI 掌握因果	通用决策者 (在任何环境下生存)
Jim Fan	Agent (智能体)	解决“只说不做”，让 AI 具备行动力	数字工匠 (在虚拟/现实中干活)

这里带来的启示： 当我们在谈论 AI 进步时，不要只盯着“ChatGPT 又更新了什么模型”，而要关注这些**“非语言模型”的突破。未来的 Scaling Law 2.0，很可能就诞生在这些实验室的“游戏画面”和“机器人手臂”**之中。