在人工智能領(lǐng)域持續(xù)掀起創(chuàng)新浪潮的Meta，于近日重磅推出最新人工智能模型V-JEPA 2。Meta官方宣稱，該模型“在物理世界中實(shí)現(xiàn)了最先進(jìn)的視覺理解和預(yù)測(cè)，從而極大提高了AI智能體的物理推理能力”。與此同時(shí)，Meta還發(fā)布了三個(gè)全新的基準(zhǔn)，旨在為評(píng)估現(xiàn)有模型從視頻推斷物理世界的能力，提供更為精準(zhǔn)、科學(xué)的標(biāo)準(zhǔn)。

作為去年V-JEPA模型的擴(kuò)展版本，V-JEPA 2的誕生標(biāo)志著人工智能在理解現(xiàn)實(shí)世界方面邁出了關(guān)鍵一步。該模型能夠讓人工智能深度理解3D環(huán)境，精準(zhǔn)推理物理世界的運(yùn)作規(guī)律。對(duì)于機(jī)器人和其他人工智能主體而言，V-JEPA 2就像是賦予了它們“智慧之眼”與“思考之腦”，使其不僅能夠理解物理世界的現(xiàn)狀，還能憑借強(qiáng)大的算法和訓(xùn)練數(shù)據(jù)，預(yù)測(cè)物理世界將如何對(duì)自身行動(dòng)做出反應(yīng)。

Meta透露，V-JEPA 2是一個(gè)擁有12億參數(shù)的龐大模型，其經(jīng)過了超過100萬小時(shí)視頻素材的高強(qiáng)度訓(xùn)練。如此海量的數(shù)據(jù)輸入，使得V-JEPA 2在物理世界中實(shí)現(xiàn)了領(lǐng)先的視覺理解和預(yù)測(cè)性能。舉例來說，當(dāng)一個(gè)球從桌子上滾落時(shí)，V-JEPA 2能夠迅速識(shí)別出球會(huì)因重力作用而掉落；即便物體暫時(shí)隱藏在視野之外，該模型也不會(huì)認(rèn)為物體就此消失，而是基于物理規(guī)律持續(xù)追蹤其存在狀態(tài)。這種對(duì)物理現(xiàn)象的準(zhǔn)確認(rèn)知和預(yù)測(cè)能力，遠(yuǎn)超以往同類模型。

在實(shí)際應(yīng)用層面，V-JEPA 2展現(xiàn)出了巨大的潛力。Meta認(rèn)為，在自動(dòng)駕駛汽車、送貨機(jī)器人等領(lǐng)域，V-JEPA 2具備顯著優(yōu)勢(shì)。這些應(yīng)用場(chǎng)景往往環(huán)境復(fù)雜多變，充滿了不確定性和突發(fā)狀況，而V-JEPA 2能夠幫助設(shè)備在這樣的環(huán)境中安全、高效地運(yùn)行。與其他依賴大量標(biāo)記數(shù)據(jù)或視頻片段來學(xué)習(xí)的模型不同，V-JEPA 2另辟蹊徑，通過簡(jiǎn)化后的“潛在空間”進(jìn)行推理。它能快速分析物體的移動(dòng)軌跡、相互作用方式以及對(duì)不同刺激的響應(yīng)模式，從而為智能體的決策提供有力支持。

值得一提的是，與同樣致力于發(fā)展物理世界相關(guān)人工智能的英偉達(dá)Cosmos模型相比，Meta聲稱V-JEPA 2在運(yùn)行速度上實(shí)現(xiàn)了巨大突破，比Cosmos模型快30倍。這一優(yōu)勢(shì)意味著V-JEPA 2在處理海量數(shù)據(jù)和復(fù)雜任務(wù)時(shí)，能夠更加迅速地給出結(jié)果，極大提升了AI智能體的響應(yīng)效率和工作效能。

Meta首席人工智能科學(xué)家Yann LeCun對(duì)V-JEPA 2及其代表的“世界模型”充滿信心。他表示：“世界模型提供了一個(gè)虛擬的、簡(jiǎn)化版的現(xiàn)實(shí)世界，人工智能可以參考它來理解世界，預(yù)測(cè)其行為的后果，因此它將能夠計(jì)劃一個(gè)行動(dòng)方案來完成給定的任務(wù)?！痹赮annLeCun看來，世界模型將為機(jī)器人技術(shù)開啟一個(gè)全新的時(shí)代。未來，現(xiàn)實(shí)世界中的人工智能助手，借助V-JEPA 2這樣的先進(jìn)模型，無需依賴海量訓(xùn)練數(shù)據(jù)，就能幫助人們輕松完成日常家務(wù)和各類體力勞動(dòng)。想象一下，家中的智能機(jī)器人能夠自主判斷如何打掃房間、整理物品；在工業(yè)場(chǎng)景中，機(jī)器人可以高效地完成搬運(yùn)、裝配等工作，這一切都將因?yàn)閂-JEPA 2的出現(xiàn)而逐漸成為現(xiàn)實(shí)。