AI下一步——语言智能转向空间智能

李飞飞目前已经创办了“空间智能”这家公司，致力于研究AI在立体空间方面的理解能力。她的演讲中提到了生物进化至今，能产生智能很大一部分原因是能感受到光，有了视觉，对空间有感知造就了智能的发展。不得不说不愧是AI教母，对下一个研究方向的定位让人醍醐灌顶。
以下是我的理解，就当看一乐。目前人工智能取得的大突破是语言理解，同时也伴随两个问题：泛化能力不强和推理能力差。如果单从语言角度进行分析与改进，怕是很难有突破。我们需要理解语言的本质。语言即是生物之间进行沟通的一种方式。这是为了达成沟通而产生的一种带有很强地域性与物种性的方式。这些特性表明，语言的外在形式并不影响其内核——表达。而且这个表达也只占所有需要沟通的信息的一小部分。我们应该都有这个体会，如果两个人只是微信纯文字聊天，没有任何表情的使用，很容易会出现歧义甚至吵架；如果配上表情包，情绪表达到位，会加强理解；打语音电话，会更流畅地沟通；视频通话，会谈笑风生，沉默也不会尴尬；面对面，这下连肢体交流都加上了，会是一场愉快的交流。上面这些场景，从纯文本表达到加上情绪表达最后一直到包含空间信息。随着信息量的增加，消息的表达逐步顺畅，语言在其中所占的权重逐渐减小。回到AI上。发现没有，我们现在的大模型，不论是大模型对话，AI绘图，还是sora，都是纯文本交流。AI接收到的信息太少，知识库里的知识也不够多，所以表现出来了泛化能力弱，逻辑推理能力不强这些缺点。“纸上得来终觉浅，绝知此事要躬行。”现在已经到了“纸上得来”的地步，想“绝知”，就需要“躬行”了——采集更多的能承载信息的元素。这些更多的元素，基本都是通过视觉来传达的。所以，下一步的发展方向就明朗了——视觉信息学习理解。世界是立体的，想要理解透彻，就要融入空间。最终得出答案——空间理解。下一步的AI发展就是要努力提高AI对空间的理解能力，在这个过程中，需要解决两个大问题：1、数据集，2、模型。目前李飞飞团队已经在制作数据集了，我的浅薄理解来看，其实可以把那些世界名画也纳入数据集中。西方画派对于透视的运用相当精妙，如果AI能理解画作中的透视空间的话，其空间理解能力可能会突破一大截。至于模型，我的浅薄知识已经不够用了，想不出来比神经网络更好的模型。但是我相信以后肯定会有新的模型提出，甚至是那种与硬件结合的，在数学与物理构造上相辅相成的模型出现。等到空间智能发展出来，AI睁眼看世界，接收到并理解了数百万倍于语言的信息时，存在于科幻小说中的人工智能就能问世了吧。到那个时候，AI甚至都能自我训练并进化了。