盖世汽车讯 据外媒报道，韩国科学技术院（KAIST）的一个研究团队开发出新一代“世界模型”——即人工智能为理解和预测世界而构建的内部模型——该模型仅通过观察就能学习可执行的理论。

图片来源：KAIST

由计算机学院Sungjin Ahn教授领导的团队提出了一种名为“理论构建学习”（Learning-to-Theorize，简称L2T）的新型学习范式，旨在训练人工智能仅利用观测信息来构建关于世界运作方式的理论。该团队还构建了“神经理论构建器”（Neural Theorizer，简称NEO），这是一个实现该范式的基于神经网络的模型。

从预测到解释

世界模型是机器人控制、自动驾驶、生成式人工智能以及自主智能体（即能够自主判断并采取行动的AI系统）等领域的一项基础技术。迄今为止，世界模型主要侧重于预测接下来会发生什么。然而，即便模型能准确预测下一个场景，它也未必理解这种变化发生的原因——即支配世界的底层原理。

该团队从人类的学习方式中找到了解决方案。早在掌握语言之前，儿童就已经构建了关于世界运作方式的内在理论。研究人员将发展认知科学的这一视角应用于人工智能，构建了一个能够理解世界背后原理的系统，而不仅仅是一个单纯预测未来的系统。

L2T如何学习规则

该团队提出的L2T框架不预设任何答案或规则。仅凭“之前”和“之后”的观测结果，AI就能自行发现导致这种变化的规则。与侧重于“预测下一步会发生什么”的传统AI模型不同，这种方法旨在理解“变化为何发生”。

为实现这一目标，该团队还开发了名为NEO（Neural Theorizer）的模型。该模型能够发现隐藏在观测到的变化过程中的可复用“原语”（primitives），并将它们组合成可执行的程序。随后，这些学到的原语可以进行系统性的重新组合，以解释新的情况。

例如，NEO能够独立学习对应于旋转、向左或向下移动以及着色等基本操作的“原语”。即使面对训练期间从未遇到过的组合操作（如“先向下移动，再着色，最后旋转”），它也能重新组合已学到的原语，从而解释并解决这一新情况。

NEO的优势所在

相比之下，传统人工智能往往将相互交织的模式作为一个整体进行记忆，因此在面对陌生的组合时，其性能会急剧下降。通过一系列实验，该团队证明了NEO在“组合泛化”能力上优于现有方法——即利用已习得的基本规则进行组合，从而解决从未遇到过的问题。

Ahn表示：“这指向了一个超越以预测为中心的世界模型的新方向，即我们所称的‘世界理论模型’（World Theory Model）。我们预期这项技术将发展成为一项核心技术，广泛应用于智能机器人、自主智能体以及辅助科学发现的人工智能等领域。”