中新经纬6月12日电 (谢婧雯)“这是一片未知的技术旷野，没人知道正确的路在哪，但有个大致正确方向。”谈及世界模型，具脑磐石联合创始人、CEO朱森华近日接受中新经纬采访时说。

　　“像人一样持续学习”

　　朱森华曾在华为AI算法创新实验室从事具身智能及其类脑算法创新工作，如今创立具脑磐石，专注类脑智能驱动的认知世界模型研发。

　　对于近来热度持续攀升的世界模型，朱森华指出，世界模型与普通AI的最根本的区别在于前者具备像人脑一样的可持续学习、思考能力。今天主流AI的核心是“拟合”，即给模型喂数据，从数据中拟合规律。而世界模型指向的目标，是让AI能够进行因果推理、抽象概念想象和未来愿景规划，其特征可概括为低数据、高泛化、终身学习与低功耗。

　　1990年，被誉为“LSTM(长短期记忆网络)之父”的Jürgen Schmidhuber在论文中首次引入“世界模型”，其理论底座来自认知神经科学中的“心智模型”。2022年，图灵奖得主Yann LeCun提出了以世界模型为核心的自主机器智能路线。

　　回溯概念源头，朱森华强调，如今不少人把3D环境生成、AI视频生成、物理仿真也称为世界模型，但严格来说，它们只解决了视觉真实、物理真实等问题，并未产生真正的智能。真正的世界模型，必须指向人脑独有的抽象智能。

　　他举例：传统数据范式下，要让机器人在家庭场景中完成吃饭喝水任务，需要近乎穷举各种碗和杯子的型号、颜色、位置等数据。但如果有世界模型支撑，即便把机器人丢到一个从未有过数据样本的原始森林中，它也不会“饿死”。

　　“没有碗和筷子，它会找椰子壳，拿根树枝也能把饭吃了。这就是我们想要的抽象泛化能力。”朱森华说。

　　最难的那一层，是人脑

　　朱森华将世界模型的能力划分为五层。最底层是视觉真实，往上依次是物理真实、交互真实，最顶层的则是“逼近人脑的智能能力体系”。突破这一最高层面临着两重难点。

　　其一，认知神经科学理论体系的成熟度仍然不足。脑科学是人类科学中最前沿的领域之一，目前系统性的理论指导和神经机制的建模进程还相对缓慢。其二，人才储备匮乏。把神经机制转换成算法和数学推理模型，需要专攻计算神经科学的研究者，但相比于计算机科学，全球范围内有能力开设相关课程与专业的院校占比小得多。

　　朝着逼近人脑智能的目标，全球不同实验室正在分路径探索。朱森华认为，大体可将其划分为两派：一是通过遥操作轨迹、仿真环境、视觉摄像头等途径大量生产、训练数据的“数据工程”流派；二是以Transformer等架构为核心，着力提升模型挖掘数据和学习泛化的能力，持续改进神经网络结构的“算法范式”流派。

　　“从大语言模型开始，人类第一次感知到有可能造出具备一定涌现能力的智能体。”朱森华说，这驱动了全球学术界和产业界持续投入。但他坦言，当前具身智能的“本体”和“大脑”都还处于“半吊子”状态，解决方案仍在场景探索和产业转化的0-1阶段，距离大规模商用复制很远。