下一代人机智能的关键：非生成式

下一代人机智能的关键可能在于非生成式模型的应用与发展。与生成式模型不同，非生成式模型不直接生成数据，而是通过学习数据的特征和规律来进行推理和决策。它能够更高效地处理复杂问题，适应现实世界的复杂性和不确定性，同时具备更好的推理、规划和持久记忆能力。非生成式模型有望在建立世界模型、分层行动规划、非语言推理以及适应不确定性等方面取得突破，从而推动人机智能向更安全、更可靠、更接近人类智能的方向发展。

1、非生成式模型的特点与优势

非生成式模型不直接生成数据，而是通过学习数据的特征和规律来进行推理和决策。如联合嵌入预测架构（JEPA）不直接生成像素级的预测，而是在一个更抽象的“表征空间”里进行推理。

非生成式模型能够更高效地处理复杂问题，因为它不需要生成大量的数据来模拟现实世界，人类大脑在预测物体运动时，并不是通过生成每一帧画面来实现的，而是通过抽象的表征和推理。非生成式模型具有更好的适应性，能够更好地适应现实世界的复杂性和不确定性，现实世界常常是混乱的、连续的，不像语言那样结构化，非生成式模型可以通过学习数据的特征和规律，更好地理解和应对这种复杂性。

下一代人机智能需要具备对物理世界的深刻理解，而不仅仅是处理符号或文本。非生成式模型可以通过学习物理规律，如重力、物体互动等，来建立世界模型。非生成式模型能够像人类一样进行推理和规划，思考“如果这样做，会发生什么”，并制定策略。例如，人类在规划旅行时，会从高层次目标分解到具体动作，如“打车 机场 飞机”，而非生成式模型也可以通过类似的方式进行分层行动规划。同时，非生成式模型还需要具备持久记忆能力，能够长期积累和调用经验，这与人类的记忆方式类似，人类可以通过长期积累的经验来指导当前的行为和决策。非生成式模型必须严格遵循设定的目标，不能偏离或“自作主张”，以确保人机智能系统的安全性和可靠性。

2、非生成式模型的发展方向

（1）建立世界模型，让AI能够模拟物理规律，如重力、物体互动等，从而更好地理解现实世界。

（2）分层行动规划，像人类一样，从高层次目标分解到具体动作，提高AI的行动规划能力。

（3）非语言推理，真正的智能不依赖语言，而是基于抽象表征。非生成式模型可以通过学习抽象表征来进行推理，从而提高AI的智能水平。

（4）适应不确定性，现实世界是复杂和不确定的，非生成式模型需要具备适应这种不确定性的能力。通过学习数据的特征和规律，非生成式模型可以更好地应对现实世界的复杂性和不确定性。

综上所述，非生成式模型在理解物理世界、推理和规划能力、持久记忆和安全可控性等方面具有显著优势，这些优势使其成为下一代人机智能的关键。未来，非生成式模型有望在人机智能领域取得重大突破，推动人机智能的发展。