三位AI殿堂级人物罕见同框：LeCun、李飞飞、谢赛宁团队用空间超感知让AI像人一样理解三维世界

文章摘要

【关 键 词】 人工智能、空间感知、视频理解、预测模型、多模态学习

研究团队将AI视觉能力发展划分为四个演进阶段：语义感知、流事件认知、隐式3D空间认知和预测性世界建模。诊断测试显示，现有视频基准测试存在严重缺陷——许多任务可通过语言推理完成，无需真正视觉理解。为填补这一空白，团队设计了VSI-SUPER基准测试，包含大海捞针式空间记忆（VSR）和跨场景持续计数（VSC）两项对人类简单但对机器极具挑战性的任务。

基于大规模空间理解数据集VSI-590K，Cambrian-S模型在传统基准上表现优异，但在VSI-SUPER测试中仍显不足。这揭示了当前技术范式的天花板：单纯扩大模型规模和优化数据已接近极限。研究转向预测性感知新范式，让AI通过预测下一帧画面并利用预测误差（惊喜）来管理记忆和分割事件。实验证明，在超长视频任务中，这种方法的性能远超传统方法且保持稳定。

研究最终指向智能的本质：真正的理解不在于被动接收信息，而在于主动预测和建模世界。当现实违反预测时产生的惊喜信号，可能正是引导AI注意力、记忆和学习的关键机制。这一发现为突破当前AI发展瓶颈提供了全新思路，将推动机器智能从”看得更多”向”理解更深”转变。

原文和模型

【原文链接】 阅读原文 [ 3736字 | 15分钟 ]
【原文作者】 AIGC开放社区
【摘要模型】 deepseek/deepseek-v3-0324
【摘要评分】 ★★☆☆☆

派欧算力云 – AI 云端一体化解决方案: 模型 API、Serverless、GPU 租赁

派欧算力云提供全面的 AI 云端平台解决方案,包括模型 API、Serverless 和高性能 GPU 实例等,帮助您节省高达 50% 的成本,并同时加速 AI 产品的构建和业务发展,助力企业实现创新突破,赢得市场竞争优势。