DeepMind 联合哈佛斯坦福发白皮书:视觉智能或是通向 AGI 之路
rohanpaul_ai · x · 2026-09-12
Google DeepMind、Harvard、Stanford、Oxford 等机构 21 位研究者联合发布白皮书《Visual General Intelligence: A White Paper》,提出以视觉为中心的智能路径可能通向 AGI(称为 VGI)。
- 核心类比:语言领域 GPT 系列通过 Transformer 架构 + 网络规模文本的自回归训练 + 激进 scaling 实现了向未见任务的迁移;论文追问同样的事能否发生在图像、视频、几何等视觉模态上。
- 现状批评:当前多模态 AI 大多把视觉当作喂给语言模型的输入,而论文主张视觉系统应更多“自己思考”——直接从图像、视频、3D 数据中学习,构建世界模型、记住变化、预测结果并采取行动。
- 论文不试图给出视觉智能的单一定义,而是梳理 AGI 时代计算机视觉应追求的原则、视觉输入模态、benchmark、学习范式,以及以视觉为核心时与语言等其他模态的关系。
所属事件:DeepMind 联合哈佛斯坦福：视觉智能或是 AGI 路径(2 条相关)→
「研究」频道最新
- Mandelbrot 集拼图结构在 Lean 中完成形式化计算,实拍级图表曝光 — geoffreyirving · 2026-10-28
- Geoffrey Irving 对 CSETH 突破给出 >80% 概率预测 — geoffreyirving · 2026-10-28
- 抗衰研究数据荒：Norn 募资 1500 万美元为 AI 备好训练数据 — juanbenet · 2026-10-28
- 研究员自曝置信度乌龙：把 SETH 当 CSETH，重估 P vs NP 赔率 — geoffreyirving · 2026-10-28
- Google 论文指出 softmax 标准实现藏两个数值 bug，引发形式验证讨论 — srush_nlp · 2026-10-28
- AI 提出的研究题 45/135 获专家认可有趣，覆盖数学物理等 — StanfordAILab · 2026-10-28