从幻觉,到现实

一、从大模型到物理智能

大模型的进步有目共睹,但为什么最聪明的模型也难免幻觉?我认为最本质的一条是:语言只是世界的投影。人类先在物理世界摸爬滚打,才把经验压缩成语言;模型学的一直是这

道影子,从未见过投下影子的实体。它能流利地描写"杯子掉在地上会碎",却从没有机会感受一只杯子的重量。知识没有现实的锚点,说错了,它也无从自知。你可以在屏幕里雄辩,但你说服不了重力。大模型的幻觉,很大程度上,就出在没有"身体"。要走出幻觉,必须走出"数字世界"的边界,去亲身体验,把自己交给"物理世界"去裁判------做出预测,采取行动,被现实修正。这

个古老的过程叫作实验,也是物理智能的关键。

二、物理智能真正缺什么:把散落的知识聚合那物理智能真正缺的是什么?我们需要的,是一个能聚合人类全部物理世界知识的模型。从认知的源头数起,物理知识至少有六层阶梯,层层筑基。下三层,属于客观世界------有没有"我",它都在那里。

一是关于物体的知识:世界,是由一个个独立、持存的物体组成的------一只球滚到沙发底下,看不见了,但它还在。先认清"有什么",其余才谈得上。

二是关于状态的知识:这些东西,此刻是什么样子?球在沙发底下,它有多重、是软是硬,都在这一层。

三是关于动力学的知识:世界自己会怎么变?球会滚,水会流,松手的东西会往下掉。而"力"就在这一层------你用眼睛,看不见它。

相关推荐
Cosolar5 分钟前
从 ChatGPT 到 Astra:四年走完的路,AGI 真的来了吗?
人工智能·aigc·openai
ting94520009 分钟前
Dograh 深度技术解析:开源自托管语音智能体平台架构、流水线与工程实践
人工智能·架构
思考着亮9 分钟前
13.GraphRAG
人工智能
HappyEnding12 分钟前
OpenSpec + Superpowers 搭建 SDD+TDD 工作流教学文档
人工智能
思考着亮20 分钟前
12.Agentic RAG
人工智能
zed_2323 分钟前
让答案有出处:citations 引用溯源
人工智能
长江后浪博客31 分钟前
Python + YOLOv8 疲劳驾驶 AI 视觉检测入门:从模型训练到 ONNX 实时摄像头检测完整实战
人工智能·python·yolo·疲劳驾驶检测·onnx·yolov8
聪明蛋子哟38 分钟前
告别API“翻译”之苦:从OpenAPI到MCP,统一AI与工具集成的桥梁
人工智能
海上小飞龙40 分钟前
大模型推理的两阶段:一次 Prefill,加上多次 Decode
人工智能·深度学习·语言模型
hhzz1 小时前
【OpenCV 入门到精通 01】认识 OpenCV 与计算机视觉:从零建立全局认知
人工智能·python·opencv·计算机视觉·开源