第二代AI预训练范式：预测下个物理状态

本文讨论了人工智能预训练范式的演进，指出当前以大语言模型为代表的第一代范式基于“预测下一个词”，虽在自然语言处理领域取得巨大成功，但在应用于物理世界时存在局限。作者提出第二代预训练范式应转向“世界建模”，即预测下一个物理状态，认为这将为机器人学和多模态AI奠定基础。文章强调视觉在物理AI中的核心地位，批评现有视觉语言模型以语言优先，而世界模型能更直接地模拟物理交互。结论指出，未来需探索新型预训练和推理方式，推动AI向更接近通用人工智能的方向发展。