AGI是否需要世界模型？顶级AI专家圆桌论道，清华求真书院主办
原文中文，约2400字，阅读约需6分钟。
📝
内容提要
在2025基础科学与人工智能论坛上，顶级AI专家讨论了AGI是否需要世界模型、因果性与相关性、AI的原创能力及算力瓶颈等问题。专家们认为，当前AI主要依赖相关性建模，缺乏因果理解，未来需探索新范式和高效计算方法，以推动科学研究进展。
🔎
延伸解读
因果性与相关性的区别
在AI的发展中，因果性与相关性是两个关键概念。当前AI主要依赖相关性建模，缺乏对因果关系的深入理解，这限制了其在科学研究中的应用。专家们强调，真正的科学建模需要建立在因果体系之上，而不仅仅是数据的堆积。
AI的原创能力探讨
专家们对AI是否具备原创能力进行了深入讨论。顾险峰教授指出，科学进步源于对未知现象的预判，而非对已知结构的模仿。尽管AI在工程化问题上表现出色，但在重大理论的提出上仍显不足，这提示我们对AI的期望应保持理性。
算力瓶颈与未来发展
随着大模型对算力的依赖不断增加，专家们指出，未来的计算需求可能会达到惊人的规模。沈亦晨博士提到光计算芯片的进展，强调其在提升计算效率方面的潜力。这表明，解决算力瓶颈将是推动AI进一步发展的关键。
❓
Q&A
AGI是否需要世界模型？
专家们认为当前的token预测范式可能不够，未来可能需要探索世界模型等新范式。
当前AI主要依赖什么建模方式？
当前AI主要依赖相关性建模，缺乏对因果性的理解。
AI是否具备原创能力？
专家认为AI无法实现原创能力，科学进步依赖于对未知现象的预判与假设。
算力瓶颈对AI发展有什么影响？
算力瓶颈限制了AI模型的训练和应用，未来需要解决这一问题以推动发展。
光计算芯片在AI中有什么潜力？
光计算芯片可以提升计算效率，解决分布式模型训练中的通信问题。
未来AI的发展方向是什么？
未来的AI可能会朝向Experience-driven AI发展，超越当前的大模型集中训练范式。
🏷️
