不是视频模型“学习”慢，而是LLM走捷径｜18万引大牛Sergey Levine

主要观点总结

文章主要探讨了语言模型与视频模型在人工智能领域的学习机制，并对比了两者的优劣。文章还通过“柏拉图洞穴”的比喻，描述了AI系统的现状，并探讨了AI如何更好地模拟人类智能的问题。

关键观点总结

关键观点1: 语言模型与视频模型的差异

文章讨论了语言模型和视频模型在人工智能领域的学习机制。尽管视频数据包含更丰富的信息，但语言模型在预测下一个词的过程中却能学到很多，而视频模型在预测下一帧时学到的却很少。

关键观点2: 柏拉图的洞穴理论在AI领域的应用

文章借用“柏拉图洞穴”理论来比喻AI系统的现状。AI通过语言模型学习人类的知识和思维方式，但这些知识是间接的反映，并没有真正理解世界。

关键观点3: AI如何走出洞穴的讨论

文章讨论了AI如何更好地模拟人类智能的问题。虽然目前AI已经实现了对人类认知的部分模拟（如推理、生成），但还需要突破对文本的依赖，通过传感器直接与物理世界交互，自主探索。

文章预览

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 为什么语言模型能从预测下一个词中学到很多，而视频模型却从预测下一帧中学到很少？ 这是UC伯克利大学计算机副教授 Sergey Levine 最新提出的灵魂一问。 他同时是Google Brain的研究员，参与了Google知名机器人大模型PALM-E、RT1和RT2等项目。 Sergey Levine在谷歌学术的被引用次数高达18万次。 “柏拉图洞穴”是一个很古老的哲学比喻，通常被用来说明人们对世界认知的局限性。 Sergey Levine的这篇文章以《柏拉图洞穴中的语言模型》为题，又想要揭示AI的哪些缺陷呢？ 在文章的开头，作者提到人工智能就是在研究能够反映人类智能的灵活性和适应性的假想智能。 一些研究者推测，人类心智的复杂性和灵活性源自于大脑中应用的一个 单一算法 ，通过这个算法可以实现所有多样化的能力。 也就是说，AI如果能复现这个终 ………………………………