被譽為“人工智能教母”的李飛飛認(rèn)為，當(dāng)前以大型語言模型和圖像分類器為主導(dǎo)的人工智能時代已經(jīng)達(dá)到了極限。

在她新發(fā)表的文章《從文字到世界》中，她寫道，雖然機(jī)器已經(jīng)掌握了文字和圖像，但它們?nèi)匀蝗狈斫饪臻g、運動和后果所需的基本認(rèn)知?！拔覀冎圃斐隽四軌蜃x寫的機(jī)器，”她寫道，“但卻沒有制造出能夠看、能夠動、能夠生活在這個世界上的機(jī)器?！?/p>

為什么人工智能需要空間智能

李的核心觀點是，如果沒有空間智能——即感知幾何形狀、深度、運動以及物體間關(guān)系的能力——人工智能就無法取得更大的進(jìn)步。大型語言模型能夠生成和組織信息，但完全基于抽象概念運行，無法感知事物在真實空間中的變化。計算機(jī)視覺系統(tǒng)可以識別物體，但無法推斷這些物體如何交互、運動或演變。PYMNTS 最近的一篇報道指出，教會機(jī)器像人類一樣觀察，將使下一代自主系統(tǒng)與靜態(tài)模式識別器區(qū)分開來。

空間智能使機(jī)器不僅能夠理解場景中存在什么，還能理解物體移動或環(huán)境變化時場景將如何變化。缺乏這種能力，機(jī)器人和智能系統(tǒng)只能執(zhí)行狹窄的任務(wù)，難以適應(yīng)不可預(yù)測的環(huán)境。李等人認(rèn)為，賦予機(jī)器建模和預(yù)測現(xiàn)實世界動態(tài)的能力，將使它們能夠在瞬息萬變的環(huán)境中更安全、更高效地運行。

當(dāng)前人工智能的不足之處

如今的人工智能可以進(jìn)行分析和分類，但缺乏推理行為及其后果的能力。語言模型可能知道門是什么，但無法判斷門是開著的還是關(guān)著的，也無法預(yù)測門關(guān)上后會發(fā)生什么。視覺系統(tǒng)可以檢測運動或物體，但無法推斷意圖或預(yù)測接下來會發(fā)生什么。

PYMNTS 的一篇文章清晰地描述了這個問題：人工智能可以標(biāo)記、分類和描述世界，但卻無法在世界中生存?；陟o態(tài)圖像或文本訓(xùn)練的系統(tǒng)，一旦現(xiàn)實與訓(xùn)練數(shù)據(jù)存在差異，就會面臨挑戰(zhàn)。

廣告：滾動繼續(xù)

這種差距限制了人工智能在受控環(huán)境之外的應(yīng)用。工廠機(jī)器人仍然依賴預(yù)先編程的布局，自動駕駛車輛難以應(yīng)對罕見或意外事件，許多人工智能系統(tǒng)仍然只是觀察者，而非其所服務(wù)環(huán)境中的積極參與者。李指出，在人工智能獲得空間感知能力之前，它的作用將僅限于狹義的預(yù)測，而非廣泛的自主行為。

構(gòu)建世界模型

為了克服這些局限性，研究人員正在開發(fā)所謂的“世界模型”，這些系統(tǒng)旨在理解世界的運行方式，而不僅僅是它的外觀。這些模型整合了感知、模擬、空間推理和預(yù)測，使機(jī)器能夠構(gòu)建內(nèi)部因果模型。它們不再僅僅從文本和靜態(tài)圖像中學(xué)習(xí)，而是從環(huán)境、模擬和傳感器輸入中學(xué)習(xí)，從而理解物體如何運動、交互以及隨時間變化。

谷歌DeepMind的Genie 3能夠生成受物理定律支配的3D環(huán)境，人工智能體通過探索虛擬世界而非靜態(tài)數(shù)據(jù)集進(jìn)行學(xué)習(xí)。英偉達(dá)的Cosmos平臺也遵循類似的路徑，在模擬真實世界物理規(guī)律的環(huán)境中訓(xùn)練機(jī)器人。這些發(fā)展反映了整個行業(yè)正在經(jīng)歷一場更廣泛的轉(zhuǎn)變，即從模式識別轉(zhuǎn)向基于現(xiàn)實的理解。

世界經(jīng)濟(jì)論壇最近將這種轉(zhuǎn)變描述為人工智能的下一個主要前沿領(lǐng)域。在其2025年關(guān)于空間計算、可穿戴設(shè)備和機(jī)器人的報告中，該組織表示，空間技術(shù)正開始融合數(shù)字世界和物理世界，創(chuàng)造“一個能夠理解上下文、運動和交互的持久智能層”。

論壇指出，傳感器、計算機(jī)視覺和實時地圖的融合將為未來十年人機(jī)協(xié)作奠定基礎(chǔ)，屆時人工智能不僅能夠處理數(shù)據(jù)，還能解讀瞬息萬變的世界。論壇強(qiáng)調(diào)，空間計算的進(jìn)步將如何催生更直觀的界面、更智能的工業(yè)機(jī)器人以及能夠動態(tài)響應(yīng)人機(jī)空間移動的自適應(yīng)城市系統(tǒng)。

這些見解與李的觀點不謀而合，即人工智能的真正進(jìn)步取決于將智能與物理世界聯(lián)系起來?？臻g計算賦予人工智能感知輸入和情境感知能力，使其能夠安全有效地與周圍環(huán)境互動，從而將靜態(tài)模型轉(zhuǎn)變?yōu)槠渌?wù)環(huán)境中的積極參與者。

事情將如何變化

李認(rèn)為，空間智能將重新定義人工智能的功能和行為方式。借助世界模型，機(jī)器將從被動分析轉(zhuǎn)向主動規(guī)劃和適應(yīng)。例如，倉庫機(jī)器人可以繞過不斷變化的庫存規(guī)劃路徑，而不是在被阻擋時停止；自動駕駛汽車可以預(yù)測行人的移動，而不是等待明確的信號；甚至有一天，數(shù)字助理也能解讀手勢、空間環(huán)境或共享的視覺框架。

其產(chǎn)業(yè)意義重大。PYMNTS 近期一篇關(guān)于空間計算和數(shù)字孿生的文章指出，企業(yè)正在將人工智能與現(xiàn)實世界的地圖和傳感器數(shù)據(jù)相結(jié)合，以便在現(xiàn)實世界中執(zhí)行決策之前進(jìn)行虛擬測試。真實環(huán)境的數(shù)字副本正成為空間感知人工智能的訓(xùn)練場，從而能夠在低風(fēng)險環(huán)境下進(jìn)行高風(fēng)險模擬。