Meta最近披露了其首席人工智能科学家 Yann LeCun设想的下一代人工智能的可能性框架，其核心是世界模型模块。根据Meta在一篇博客文章中所作的描述，在此框架下，AI应能根据来自感知模块的信息来预测世界，以相应地计划并执行行动。
今年1月，LeCun同播客 Lex Fridman 曾就人工智能的现状以及通往下一代人工智能的挑战进行过交谈。当时，他指出：生物智能取得进步的原因主要在于其对世界的高度理解。这种理解基于对环境的抽象表示，使人类和动物能够形成预测行动及其后果的模型。因此，学习这种环境模型的能力是下一代人工智能的核心。
在Meta的博客文章中，LeCun设想的一些细节得到了披露。比如，由6个模块组成的“自主”人工智能架构。这6个模块是：
配置器模块：为所需任务配置其他模块，可以考虑调整其他模块的参数。
感知模块：处理传感器信号，旨在评估世界的当前状态。由于只有一部分可用传感器信息与某些任务相关，因此配置器模块应相应地设置感知模块以提取所需信息。
世界模型模块：有两个任务：它应该提供关于世界状态的信息，由于感知模块没有提供解决任务所必需的信息，因此世界模型应该预测世界的合理未来状态。世界模型旨在充当世界相关地区的一种模拟器。这是架构中最复杂也是最核心的部分。
成本模块：计算 AI 某些计划行动的成本，例如机器人损坏、能源消耗或违反既定行为规则。AI的目标是尽可能降低成本，该模块提供了基本的行为驱动和内在动机。
演员模块：计算建议的行动并搜索最小化估计成本的最佳序列。最后，有一个最佳的行动序列来完成任务并保持低成本。
短期记忆模块：存储世界的当前和预计状态以及相关成本。
在LeCun看来，由于现实世界只能部分预测，每种情况都有许多变化，许多感知细节与手头的任务无关，因此，作为框架核心的世界模型必须学习保留重要细节并忽略不重要细节的世界的抽象表示，然后它必须在适合任务的抽象级别上提供预测。
LeCun 认为JEPA（联合嵌入预测架构）可以帮助解决这一挑战。JEPA 支持使用大量复杂数据进行无监督学习，同时生成抽象表示。它的核心是学习两个输入 x 和 y 之间的依赖关系，例如视频剪辑和后续图像。它的一大优势是，在这个过程中，多个模块可以一个接一个地连接在一起，基于对低级模块的预测，在更高的抽象层次上进行预测。
通过这种方式，抽象的描述可以被分解到越来越低的层次，一直到精确的手部动作。在低层次上，世界模型进行短期预测，而在更高的抽象层次上，它将进行进行长期预测。如果分层 JEPA 结构能够实现足够全面的世界模型，便可以帮助 AI 代理通过将复杂任务分解为不太复杂和抽象的子任务来分层计划复杂的操作。
LeCun 的设想中有许多悬而未决的问题，包括有关世界模型架构极其训练方法的细节。因此，Meta 将世界模型的训练描述为未来几十年人工智能研究取得真正进展的主要挑战。根据 Meta 的说法，除世界模型外，框架的其他方面也需要更精确地定义。
