DeepMind 联合哈佛斯坦福发文:视觉 AI 或是通往 AGI 的路径
rohanpaul_ai · x · 2026-09-12
Google DeepMind 与哈佛、斯坦福等多个顶级机构合作发表的论文提出:通往 AGI 的一条可能路径是「会思考的视觉 AI」——构建能记忆变化、预测结果并采取行动的世界模型。
核心观点:
- 当前多数多模态 AI 只把视觉当作喂给语言模型的输入,论文主张让视觉本身承担更多「思考」
- 有能力的视觉系统应直接从图像、视频、3D 结构与交互中学习:理解什么存在、什么变了、什么被隐藏、接下来可能发生什么、行动前该看哪里
- 视频生成、重建、持久记忆、持续学习、多模态感知和机器人可能是同一系统的组成部分
- 评价标准应转变:不要再用图像问答、描述或逼真视频来评判视觉 AI,而应看它能否从视觉经验中学习世界结构、持续更新知识并用其预测与行动
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)→
「漫话AGI」频道最新
- 「代码从来不是护城河」:AI 时代软件壁垒之争再起 — kylegawley · 2026-10-28
- 5-MeO-DMT 鼻喷 2b 期结果:193 人试验,8mg 组缓解率 26% — prasanna_says · 2026-10-28
- 为何先拿眼睛验证衰老逆转:简单眼检即可量化 — rand_longevity · 2026-10-28
- tszzl:当年读 Scott Alexander/Gwern 的人已看出早期 AGI 苗头 — tszzl · 2026-10-28
- Shkreli 质疑 Anthropic 治病论：AGI 算不算「治愈」引激辩 — ChrisGPT · 2026-10-28
- 人人都想得出'像 C 一样快、像 Lisp 一样动态'的语言，直到动手 — math_rachel · 2026-10-28