量子位
·
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
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。
关键要点
-
2025基础科学与人工智能论坛于7月20日在中关村举行，聚焦AI的根本问题。
-
专家们讨论了因果性与相关性，认为当前AI主要依赖相关性建模，缺乏因果理解。
-
顾险峰教授指出，缺乏因果建模能力限制了AI在科学研究中的应用。
-
刘铁岩教授提到大模型在高层语义表达中展现出因果性功能的涌现。
-
专家们探讨了AI模型是否需要世界模型，认为当前的token预测范式可能不够。
-
汪玉教授认为语言是人类认知的表达系统，AI可以通过token预测学习。
-
顾险峰教授强调AI无法实现原创能力，科学进步来自对未知现象的预判与假设。
-
沈亦晨博士指出AI在工程化问题中表现出色，但在原创性突破方面仍有限。
-
孙茂松教授提到大模型对算力的依赖已呈指数增长，未来需解决算力瓶颈。
-
沈亦晨介绍了光计算芯片的进展，强调其在提升计算效率方面的潜力。
-
刘铁岩设想未来的AI将是Experience-driven AI，超越大模型集中训练范式。
-
论坛讨论深入，专家们展现出对AI未来发展的深厚思考与实践视角。
延伸问答
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。
