字数 1458，阅读大约需 8 分钟
Meta首席AI科学家LeCun新突破：AI通过观看视频掌握物理规律
在人工智能领域，对物理世界的理解一直是研究的热点和难点。近日，Meta首席科学家Yann LeCun领导的研究团队取得了一项重要成果：一种名为视频联合嵌入预测架构（V-JEPA）的AI系统，仅通过观看视频，无需预设规则，即可掌握基本的物理规律。这一成果不仅为AI的感知和理解能力开辟了新的道路，也为未来自主智能体的发展奠定了基础。
研究背景：AI与物理世界的理解
在传统的人工智能研究中，系统通常需要预设的“核心知识”来理解物理法则。例如，为了让AI理解物体的运动规律，研究人员需要为其输入大量的物理公式和规则。然而，这种预设规则的方法不仅限制了AI的灵活性，也难以模拟人类和动物通过观察学习物理规律的过程。LeCun的研究团队试图打破这一限制，探索AI是否能够像婴儿和动物一样，通过观察自然场景来自主学习物理知识。
V-JEPA：一种新的自我监督学习架构
V-JEPA的核心思想是通过自我监督学习，让AI系统在观看视频的过程中自主提取物理规律。与OpenAI的Sora等生成型AI模型不同，V-JEPA并不追求生成完美的像素预测，而是专注于在一个抽象的表示空间中进行预测。这种设计更接近人脑的信息处理方式，能够帮助AI系统从复杂的视觉场景中提取出基本的物理概念，如物体的恒常性、连续性和形状一致性。
具体来说，V-JEPA采用了视频联合嵌入预测架构。它将视频片段分解为多个帧，并在这些帧之间建立关联。通过预测后续帧的内容，系统能够学习到物体的运动模式和物理规律。例如，当AI观察到一个物体从一个位置移动到另一个位置时，它能够理解物体的运动轨迹和速度变化。这种自我监督学习的方式不仅提高了AI的学习效率，还减少了对大量标注数据的依赖。
实验设计与评估方法
为了评估V-JEPA对物理规律的理解能力，研究团队采用了来自发展心理学的“期望违反”评估方法。这种方法最初用于测试婴儿的物理理解能力，通过展示两个相似的场景——一个物理上可能的，另一个物理上不可能的（例如，一只球穿过墙壁），来测量AI对这些物理违背现象的反应。如果AI能够识别出物理上不可能的场景，就说明它已经掌握了相关的物理知识。
V-JEPA在三个数据集上进行了测试：IntPhys（基本物理概念）、GRASP（复杂交互）和InfLevel（现实环境）。结果显示，V-JEPA在物体恒常性、连续性和形状一致性方面表现优异。相比之下，一些大型多模态语言模型，如Gemini1.5Pro和Qwen2-VL-72B，在这些测试中的表现几乎与随机猜测相当。这表明V-JEPA在理解物理规律方面具有显著优势。
学习效率与模型规模
V-JEPA的学习效率也十分出色。研究表明，该系统只需观看128小时的视频，就能够掌握基本的物理概念。而且，即使是只有1.15亿参数的小型模型，也展现出强劲的效果。这表明V-JEPA不仅能够高效地学习物理规律，还具有良好的可扩展性。相比之下，传统的AI模型通常需要大量的数据和计算资源才能达到类似的性能。
行业意义与未来展望
LeCun的这项研究不仅在技术上取得了突破，还为AI的未来发展提供了新的方向。它挑战了AI研究中的一个基本假设，即系统需要预设的“核心知识”以理解物理法则。V-JEPA的发现表明，观察学习能够帮助AI获得这方面的知识，类似于婴儿、灵长类动物甚至年轻鸟类理解物理的过程。
从行业角度来看，V-JEPA的成功为创建更全面的环境理解模型提供了可能。Meta一直致力于探索JEPA架构，旨在创建能够自主理解环境的AI系统。V-JEPA的成果不仅为这一目标迈出了重要一步，也为未来自主智能体的发展奠定了基础。例如，在机器人技术中，能够理解物理规律的AI系统可以更好地与物理世界交互，完成复杂的任务。
此外，V-JEPA的研究成果还可能对其他领域产生深远影响。例如，在教育领域，它可以为开发智能教育工具提供新的思路；在自动驾驶领域，它可以帮助车辆更好地理解交通场景中的物理规律，提高安全性。
