如果你让现在的 AI 画一个“球撞墙后弹回”的视频，它可能画得美轮美奂，但也可能让球直接穿墙而过。这种“物理常识的缺失”是当前生成式 AI 的阿克琉斯之踵。近日，图灵奖得主 Yann LeCun 团队发布了重磅论文 LeWorldModel (LeWM)，它用极其优雅的方式，解决了 AI “看懂”世界的难题。

在人工智能的圈子里，一直存在两种派系的争论：
一种认为，只要数据足够多，AI 靠“背诵”像素就能学会一切（比如现在的 Sora）；
另一种则认为，AI 必须像人类一样，在脑子里建立一个 “世界模型”，理解物体、力和因果。

Yann LeCun 显然是后者的旗手。他最新参与的这篇论文，不仅证明了“物理常识”可以学出来，还证明了：理解世界，其实不需要庞大的算力。

痛点：为什么 AI 总是“物理性弱智”？

现在的视频生成模型（如 Sora）更像是一个追求视觉效果的画师。它预测下一帧时，会试图精细到每一颗尘埃的摆动。

但这带来两个问题：

• • 太累了： 算力全浪费在不重要的背景细节上。
• • 没脑子： 它只知道像素点应该怎么排，不知道“球不能穿墙”。

LeCun 倡导的 JEPA（联合嵌入预测架构） 则完全不同。它不画图，它只在脑子里生成 “特征”（Embedding）。就像你走路时，脑子里不会渲染出每一片叶子的形状，你只关注路在哪里。

突破：如何治好 AI 的“偷懒症”？

以前训练这种“脑内模拟器”非常痛苦，AI 极易进入一种 “表示坍缩（Collapse）” 的状态。

什么是坍缩？ 想象一个极度厌学的学生，无论老师问什么，他都回答“我不知道”。因为这样回答最省力，且逻辑上“稳定”。AI 也是，它会倾向于把所有复杂的图像都映射成同一个简单的数值，导致模型彻底失效。

为了治这个“病”，以前科学家得给 AI 加上各种复杂的“支架”（如 EMA、预训练编码器等），就像给一个学步的孩子安了一圈护栏，非常臃肿。

LeWM 的神来之笔：

作者发明了一个叫 SIGReg 的“隐形围栏”。它不需要复杂的技巧，只是通过数学手段强制要求：AI 脑子里的思维分布必须像一个均匀的球体（高斯分布）。

这一招直接让模型摆脱了“支架”，超参数从 6 个减到了 1 个，训练稳如老狗。

结果：小模型，大智慧

这篇论文最让业界震惊的是它的效率数据：

• • 极简参数： 只有 1500 万（15M） 参数。相比于动辄千亿参数的大模型，它简直像一只灵活的猴子。
• • 速度惊人： 在规划路径和预测未来时，它比基于大模型的方法快了 48 倍。
• • 自悟物理： 研究者发现，没人告诉 AI 什么是速度、质量、角度，但 AI 在观察视频的过程中，自动在脑子里对应上了这些物理量。

最有趣的一个实验是：当视频中出现“球穿墙”这种违背常识的画面时，AI 会表现出明显的“惊奇”（损失函数剧增）。这意味着，它真的看懂了规则。

为什么这对我们很重要？

如果你是一个技术架构师，或者关注机器人、自动驾驶的开发者，这篇文章释放了一个强烈的信号：AI 的重心正在从“语言模型”转向“世界模型”。

• • 机器人时代的入场券： 机器人进厨房拿杯子，不需要实时渲染 4K 画面，它只需要一个像 LeWM 这样轻量、快速、理解物理规律的“脑中小地图”。
• • 算力平权： 这种模型在单张显卡上几个小时就能练成，这意味着未来“物理常识”将不再是大厂的垄断资产。

结语

LeCun 一直在强调：“世界不是由文本组成的，而是由物体和法则组成的。”

LeWorldModel 的出现，标志着我们离那种“像孩子一样通过观察就能学会世界运行逻辑”的 AI 又近了一步。它不再是一个只会预测概率的复读机，而是一个正在睁眼看世界的观察者。

https://le-wm.github.io/