标题：物理直觉不再是人类专属？

在AI领域，图灵奖得主Yann LeCun认为自回归LLM没有光明的未来，并提出了“四个放弃”：放弃生成式模型、概率模型、对比方法和强化学习。他建议研究方向应转向联合嵌入架构、基于能量的模型、正则化方法与模型预测式控制。LeCun强调，若追求人类水平的AI，则不应研究LLM。

近日，LeCun团队发布新研究，发现只需在自然视频上进行自监督预训练，就能让AI具备直觉物理理解能力。这类似驴通过观察世界，找到最轻松的负重登山方法。

直觉物理理解是指人类对物理规则的预知能力，如物体行为的可预测性。这一能力在人类婴儿及多种动物中存在，被视为核心知识假说的证据。AI系统在语言、编程等高级任务上常超越人类，但在物理常识方面表现不佳，体现了莫拉维克悖论。

此前，旨在改善物理直觉理解的AI模型分为两类：结构化模型和基于像素的生成模型。前者利用抽象表示，后者则通过学习机制重建感知输入。LeCun团队探索第三类模型——联合嵌入预测架构（JEPA），结合两者优点。

新研究中，V-JEPA架构通过在表示空间中重建视频片段学习视频帧表示。该研究利用预期违反框架探测物理直觉理解。V-JEPA在自然视频上训练后，达到98%的零样本准确率，在IntPhys基准测试上显著优于随机模型。

研究还发现，V-JEPA在物体持久性、连续性、形状恒常性等方面优于未训练网络。此外，V-JEPA在视频中使用最大意外值而非平均意外值时，性能更好。这表明，深度学习系统可通过原始感知信号学习直觉物理概念，无需依赖核心知识。