图灵奖得主、Meta首席AI科学家杨立昆近日在“Big Technology Podcast”节目中指出，当前大语言模型的发展已接近瓶颈，仅靠文本训练无法实现人类级智能。他强调，现有AI技术依赖于文本数据的统计规律生成答案，缺乏创造新事物的能力及对物理世界的理解与抽象推理能力。杨立昆认为，单纯扩大模型规模和增加训练数据无法突破这一局限，真正的AI应具备理解物理世界、持久记忆、推理与规划能力。他预测，AI技术将在2030年前迎来新变革，但目前仍难以支撑家用机器人和自动驾驶汽车等应用。杨立昆正研发一种新系统，通过预测物理世界行为使AI更好地理解现实。

谷歌发布了先进的视频生成模型Veo 2，超越了Sora，能够更好地理解物理世界和运动细节，分辨率高达4K。Veo 2不仅能生成高质量的视频，还能理解电影摄影语言，如镜头类型和效果。相比Sora，Veo 2在物理建模和一致性方面表现更佳。此外，谷歌还推出了Imagen 3图像生成模型和Whisk工具，后者允许用户通过图像而非文本作为提示生成图像。这些模型和工具在细节、真实感和多样性方面都有显著提升，为内容创作者提供了新的可能性。

【让AI更懂物理世界！人大北邮上海AI Lab等提出多模态分割新方法】 近期，来自中国人民大学高瓴GeWu-Lab、北京邮电大学及上海AI Lab的研究人员共同提出了名为Ref-AVS（视听场景下的指代分割）的新方法，旨在让AI具备多模态线索下的定位与理解能力，更深入地理解真实物理世界。这一...