AI算力 與 世界模型 20250219，AI 發展至今，算力推動了語言模。楊立昆提出「世界模型」的概念，認為 AI 需要真正理解世界，而不只是統計模式匹配。未來 AI 不能只靠更大的 GPU，而是要結合算力與世界模型，讓 AI 具備推理、自學與計畫的能力。
AI算力 與 世界模型 影片
今天又回到萬維鋼老師拐點這本書
我們要來談AI算力以及世界模型
到底哪一個比較重要
提前透露啦～那就是都很重要
只是當時沒有講到世界模型
當時把AI算力當成是唯一的解答
不過現在終於有點不一樣的答案了
沒辦法～世界真的改變太多了
我是亞瑟我是三高
每週一到每個禮拜五
我都會分享學到的點點滴滴
那我們就來看一下目前AI的進展
讓過去的這本書
有哪些值得補充的地方
算力就是王道
- 《拐點》萬維鋼
- 第四章第六節
- 算力主導 AI 時代
- Sutton 的「苦澀教訓」
- AlphaGo 的暴力計算
https://www.books.com.tw/products/CN11963950
這一次又回到了萬維剛老師的《拐點》，第四章第六節，標題是 「算力就是王道」。
這幾年 AI 進步飛快，從 AlphaGo、DeepMind，到語言模型，AI 已經能夠解析蛋白質、預測天氣、控制核聚變，甚至某種程度上理解我們的邏輯。
但這些突破是怎麼來的？答案很簡單：算力！
DeepMind 的科學家 Richard Sutton 在 2019 年寫了一篇 《苦澀的教訓》，提到過去 70 年來 AI 發展最大的發現就是：算力比知識重要。
AlphaGo 能夠打敗人類，不是因為它懂圍棋，而是因為它透過大量運算去計算最優解。DeepMind 之所以能夠碾壓各種科學領域，也是因為大量運算。現在的語言模型，其實也是靠著算力，硬生生堆疊出智慧。
但到了 2025 年的今天，我們已經可以發現，即使算力不斷提升、模型不斷變大，AI 其實沒有變得更聰明。算力雖然重要，但它似乎已經快要碰上天花板了。
楊立昆世界模型
- 語言模型的侷限
- AI 缺乏理解能力
- 世界模型的概念
- 人類學習與AI學習
- 楊立昆AGI的評論
https://hao.cnyes.com/post/134712
如果 AI 真的這麼強，那為什麼 ChatGPT 還會亂講話？為什麼 AlphaGo 只會下圍棋？為什麼 自動駕駛遇到特殊狀況就會掛掉？問題的核心就是：AI 並不是真的理解世界。
這就是楊立昆教授的主要論點。他認為，現在的 AI 只是超強的模式匹配機器，根本沒有真正的智慧。未來 AI 的關鍵不是算力，而是 世界模型，AI 需要自己學會如何理解這個世界，而不是只靠數據訓練來「猜答案」。
人類學會走路，不需要看幾十萬個影片，也不需要試錯上億次，知道推東西就會動、東西掉下來有重力。但 AI 沒有這個能力，只能靠算力去暴力破解所有可能性，而不是從環境中學習世界的規律。
所以楊立昆才會說，未來的 AI 必須擁有世界模型，才能做到真正的通用人工智慧（AGI），否則它就只是「更大的 GPT」而已。
而我們現在已經發現，語言模型從 70B 參數增加到 405B、670B，它的智力並沒有十倍提升，頂多只是聰明一點點而已。
算力與真實理解
- AI 真的理解嗎
- AlphaGo 只是計算機
- ChatGPT只是模式匹配
- 人類的推理能力
- 世界模型的重要性
https://aisera.com/blog/ai-reasoning/
AI 真的懂它在做什麼嗎？這是一個非常關鍵的問題。
像 DeepMind 的 AlphaGo，它下棋靠的是計算機率，但它其實 不懂什麼是圍棋。ChatGPT 只是在 大量的文字數據中，找出最可能的詞來回應，但它不是真的理解句子的真正含義。
這就導致 AI 會出現很多 看起來合理，但其實很愚蠢的錯誤。比如說，你問語言模型一個數學問題，它 不是真的在計算，而是在 猜測最可能的答案。如果它的訓練數據有錯，那就會學到錯誤的資訊，然後自信地告訴你錯的結果。
這就是 AI 最大的問題：它是統計機，不是推理機。但人類不是這樣的，我們不需要看幾百萬張圖片來認狗，也不需要讀幾億篇文章來學語言，因為我們有 世界模型，能夠舉一反三。
所以，即使算力再強，AI 還是無法真正理解世界。這就是楊立昆批評 GPT的原因，他認為 沒有世界模型，AI 就無法成為真正的智能個體。
AI模型會推理嗎
- AI 只是統計
- GPT 只會模式匹配
- 人類理解因果關係
- 世界模型讓 AI 推理
- 因果推理仍需算力
https://lumenalta.com/insights/ai-limitations-what-artificial-intelligence-can-t-do
現在的 AI 本質上是一個超強的統計機器，它 不會真正思考，只會計算。
ChatGPT 為什麼厲害？因為它看過幾乎所有的網路文字資訊，能夠從統計模式中，猜測最有可能的答案。但問題是：它不懂為什麼。
人類的思考方式是基於 因果關係，比如說：「下雨了，所以我要帶傘。」但 AI 不是這樣的，它只是記住「雨天和帶傘通常會一起出現」，所以就會把這兩個概念關聯在一起。但不知道帶傘的真正原因。
世界模型的核心，就是讓 AI 理解這個世界是怎麼運作的，而不是只是記住「什麼情況下會發生什麼事」。如果 AI 能夠做到這一點，它就能 真正理解語言、學會推理，甚至像人類一樣計劃未來。
但問題是，要讓 AI 學會因果關係，還是需要非常大的算力。所以，算力依然 至關重要，世界模型的建立，也離不開強大的運算能力。
專用vs.通用AI
- AI 只能做一件事
- 人類能舉一反三
- 世界模型能轉移知識
- 專用AI的限制
- 通用AI仍需算力
https://www.carv.com/blog/generic-ai-vs-specialized-ai
目前的 AI 幾乎都是專用 AI，也就是說，它們只能做好一件事，沒辦法什麼都會。
舉例來說，AlphaGo 只會下圍棋，但你讓它去打德州撲克，它完全不行。MidJourney 只會畫圖，但它不懂文字，也無法理解音樂。語言模型會聊天，但它不理解物理世界，更不會開車。
但人類不是這樣的，人類學會了一件事情之後，通常能夠舉一反三。比如說，你學會騎腳踏車，那麼再去學滑板或滑雪，就會比完全沒經驗的人更快上手，因為你的 世界模型已經建立起來了，你可以把已有的經驗應用到新的領域。
這也是 楊立昆 的觀點，他認為 AI 不能只是記住大量的數據，而是要能夠在不同領域之間轉移知識，形成真正的通用智能。
但問題來了，現在的 AI 還是靠暴力算力來「硬學」，如果要讓 AI 擁有世界模型，那麼 所需要的算力只會更大。這代表我們 還是躲不開算力這件事，甚至世界模型所需要的 基礎算力，可能比現在的 AI 還要大非常多。
算力與世界模型
- 算力仍是核心
- 世界模型是關鍵
- AI 需要推理能力
- 暴力算力遇到瓶頸
- 真正的突破還沒來
https://www.gvm.com.tw/article/119044
那麼，未來的 AI 到底是靠算力，還是靠世界模型呢？ 其實，答案很可能是——兩者都要。
現在的 AI 確實是靠算力在硬撐，但如果真的要做到 通用人工智慧（AGI），AI 不能只是 處理數據，它必須真正學會 推理、規劃，並具備學習新事物的能力。
世界模型的目標，就是希望 AI 能夠像人類一樣學習，而不是只靠 大數據硬撐。但要達成這一點，算力還是關鍵，因為讓 AI 自己學習世界規律，遠比單純餵數據讓它記住模式更耗算力。
目前，OpenAI、Meta、Google 都已經開始往這個方向發展，他們不再只是單純 堆疊數據，而是開始研究 如何讓 AI 具備推理能力。
這也代表 未來的 AI 發展方向，已經不只是比誰的算力強、誰的語言模型大，而是看 誰能夠先找到，讓 AI 學會自我學習的方法。
世界模型是突破
- AI 仍靠數據學習
- GPT 只是模式匹配
- 自監督學習是關鍵
- 可持續學習才是未來
- AGI 還需要時間
https://www.1950.ai/post/why-yann-lecun-believes-ai-needs-world-models-not-just-language-models-2
現在 AI 最大的問題，就是它沒有真正的世界模型。不管語言模型再大，它依然是 基於統計學習，並沒有辦法 真正理解人類語言背後的邏輯。
如果希望 AI 變成 真正的智慧體，需要的不只是 更大的算力，這也是最近 AI 研究不斷強調，自監督學習 + 世界模型 + 可持續學習，這樣AI 才能真正理解數據，而不是單純做模式匹配。
據說 現在可用的文字資料，已經被 AI「讀完」了，靠單純記憶和模式匹配的語言模型，已經沒有太多的進步空間。前陣子很多人開始懷疑 AI 是否到頂了，其實就是因為目前，還沒找到真正有效的方法來訓練世界模型。
最近 AI 的進展，主要都還是在改良語言模型，像是 DeepSeek 的 多專家混合（MoE），以及 蒸餾法（Knowledge Distillation），讓語言模型更有效率、更節省資源。
但並沒有帶來真正意義上的突破，AI 仍然沒有理解世界的能力，這才是當前 AI 發展最大的瓶頸。
算力+世界模型
- 算力短期內仍主導
- 世界模型是進化方向
- AI需要理解世界
- 未來AI模型不是更大
- AGI需要模型更聰明
https://blogs.nvidia.com/blog/world-foundation-models-advance-physical-ai
談到 算力與世界模型，到底什麼是 AI 的未來方向。
短期來看，算力仍然是核心，因為還沒有找到更有效的方式，來訓練世界模型。所以巨頭們是在 不斷增加硬體、投資新的晶片、提升算力，這短期內還是唯一能做的事情。
但長期來看，光靠算力是不夠的，AI 必須能夠理解世界，才能真正變得強大。不過，這並不代表算力就沒用了，事實上，AI 要建立世界模型，可能還需要更大的算力來支撐，甚至比現在還要多出數十倍、數百倍。
綜合來看，未來 AI 的終極解法，應該是算力 + 世界模型。目前各大 AI 巨頭，包括 OpenAI、Google、Meta，其實都已經開始往這個方向發展。
未來的 AI模型，不會只是更大的 GPT，而是更聰明的 AI。未來AI的贏家，可能不是單純把算力推到極限的人，而是 能夠讓 AI 自我學習、真正理解世界的人。
到這邊為止，《拐點》第四章的內容終於告一段落。當時書中提到的許多觀點，在當時是對的，但現在已經被推翻了。但這不是作者的問題，純粹是因為世界進步太快了。
其實，我現在寫的這些東西，如果在未來一兩年內還沒有被打臉或推翻的話，那就代表我真的很有遠見了，呵呵。
