我们在刷AI制作的短视频的时候，猛一看觉得挺唬人，细看又觉得它们缺根弦。
一个人走路，走着走着腿就插墙里了；一杯水泼下来，水花跟爆炸似地往上蹿。你一看就知道——假的，太假了。为啥？因为这些AI压根儿不懂“这世界是咋转的”。他们就是个超级画匠，看了几亿张图，能复制出来，但脑子里啥也没明白。它不知道墙是硬的、水是往下流的、人不会飞。
AI圈里华裔科学家李飞飞就琢磨了：AI光会聊天、会画画有啥用？那叫嘴把式。真正的智能，得懂点儿常识，就像你三岁就知道，手里杯子一松，它准往下掉，绝不会往天上飘。
她搞了个东西，起了个名儿叫“世界模型”，其实说白了就仨字儿：搭积木。
她想让AI在它自己“脑子”里搭出一个虚拟世界，这个虚拟世界里，物理规律全跟咱现实一样——东西有重量，光会反射，撞了会弹开。这样AI就不是死记硬背“图里有杯子”，而是真明白“杯子是个立体的玩意儿，放在桌子边上，一推就掉”。
现在好多人都在搞这个，但路子不一样。
李飞飞打了个比方：一类人搞的是“画皮”，专门生成看着特炫酷的视频，画面美得跟大片似的，但禁不住细看，一转角度房子就歪了。
还有一类人搞的是“物理课代表”，画面丑点没关系，但东西怎么撞、怎么弹，一丝一毫不能差，这种能用来训练自动驾驶，撞了也不心疼。
最后一类人搞的是“指挥家”，看见画面直接告诉机器人“下一步干啥”。
李飞飞则是把这三样全拧到一块儿：又好看，又符合物理，还能直接上手干活。这就叫全能选手。
前阵子她们团队弄出个新玩意儿，叫Atlas，咱就管它叫“魔法相机”吧。
你记不记得《黑客帝国》里那个经典镜头？男主角往后一仰躲子弹，镜头围着他转一圈，时间跟冻住了一样。
当年拍这个，摄影棚里架了几百台相机，烧钱烧得厉害。现在用这个“魔法相机”，你只要拿三台手机，可以任意拍。
比如你哥们儿投个篮，或者一颗草莓掉进牛奶里，你把它拍完，它就能在电脑里把整个场景重建出来。然后你想咋看咋看，绕着圈看，从头顶看，把时间暂停了看，就跟手里攥着个上帝遥控器似的。
这个魔法相机牛在哪儿？牛在它不是简单拼照片，它是真弄明白了这些东西在空间里的前后左右、远近高低——就像你半夜摸黑也能一把够着床头的水杯，因为你脑子里有张“空间地图”。
图源网络
你可能会问，这玩意儿除了拍视频炫酷，还有啥用？
李飞飞最惦记的是机器人。
现在机器人为啥笨？因为训练它需要让它真摔真撞，收集经验，又贵又危险。有了这个“魔法相机”，就相当于给机器人盖了个虚拟驾校。
在电脑里，机器人想咋练咋练，撞墙了？重来。杯子掉一百回？没事，反正假的。等练熟了，再放到现实里端茶倒水、收拾屋子，甚至帮医生递手术刀。
李飞飞自己说了句大实话：“我们现在做的，大概相当于2019年时候的ChatGPT，虽然还没爆发，但路子对了。”
图源网络
所以你看，以前的AI就是个“会聊天的天才画家”，但他不懂过日子。现在李飞飞要教它“生活常识”，知道东西有体积、会动、会撞，世界是立体的。等它真学会了，它就不再是你手机里的聊天窗口了，而是能在真实世界里帮你搭把手的伙计。
到那时候，你再回头看今天的AI，就跟看三岁小孩似的——聪明是聪明，就是缺心眼。
李飞飞干的这事儿，就是给AI补上那根“缺心眼”的弦。
作者：李琦玮，山西知青，宁夏工人，大学毕业计算机行业深耕，中年创业后皆有事成。 半生如长卷，一蓑烟雨行。
~the end~
热门跟贴