從語言模型到世界模型：AI 如何理解物理世界與規劃動作

本片以 AMD 計畫以 82 億美元收購李飛飛創辦的 World Labs 為切入點，討論大型語言模型與世界模型的差異，以及 AI 如何從預測下一個 token 進一步理解物理世界、規劃動作。內容涵蓋莫拉維克悖論、表示學習、機器人操作與自駕車等應用，並延伸到 AI 晶片與算力產業的布局。

■ 語言模型與世界模型的概念爭議
- 莫拉維克悖論與語言模型能否理解物理世界的討論
- 楊立昆、蘇茨克維等人對預測下一個 token 與世界模型的主張
- Othello-GPT 實驗如何從落子預測中觀察到棋盤表徵

■ 世界模型的技術路線與應用
- JEPA、MuZero 在表示空間中預測以利規劃
- 影像生成、3D 場景重建與空間一致性的評估
- World Labs Atlas、Genie 3 等互動環境生成技術
- 機器人操作：Gemini Robotics 2、Meta V-JEPA 2 的實驗與成功率
- 自駕與生成資料：NVIDIA Alpamayo、Cosmos 的用途

■ 產業與晶片布局
- AMD 收購 World Labs 與下一代 AI 晶片設計的關聯
- 語言模型與世界模型對算力需求的可能影響

對於想了解大型語言模型與世界模型差異、AI 如何處理物理世界與動作規劃，以及 AI 晶片產業布局的觀眾，本片提供概念性整理與案例討論。觀看後可掌握兩派觀點的基本分歧、常見評測方式，以及相關技術在機器人與自駕領域的應用概況。