谷歌核心AI科学家：“大语言模型和世界模型都是错误路线”

摘要

Andrew Dai 離職谷歌後提出核心觀點：單純擴展大語言模型的規模無法通向 AGI，因為 LLM 依賴語言思維鏈而無法真正理解物理世界（例如無法準確數數）。他認為世界模型路線也存在侷限——學術研究過度強調視覺，卻忽視動物具備視覺之外的智能。他主張的突破方向是整合「語言推理 + 視覺推理」的多模態模型，以同時具備邏輯推理能力與物理世界感知。相比之下，OpenAI、DeepMind 和 Anthropic 聚焦程式設計能力開發，因為程式設計市場龐大且具備自我改進潛能，但這導致他們對多模態視覺推理的重視程度不足，形成差異化競爭機會。

重点

• 語言模型規模擴展不足以達成 AGI，因模型無法準確理解物理世界規律
• 世界模型研究被視覺中心主義主導，忽略動物智能超越視覺的證據
• 多模態推理（語言+視覺）結合才能產生具有廣泛應用能力的 AI 模型
• 前沿實驗室聚焦程式設計能力競賽，對多模態視覺推理投入不足
• 遞迴自我改進透過程式設計突破成為業界爭取 AGI 競速的核心策略

章节

1. [0:00] 語言模型的侷限：為何 LLM 規模擴展不足

   Andrew Dai 指出大語言模型儘管思維鏈越來越長，但本質上無法理解物理世界運作規律，表現為無法準確計數等基本視覺任務失敗。

2. [0:30] 世界模型研究的學術困境

   學術界對世界模型的研究受視覺中心主義驅動，過度強調視覺而忽視其他智能維度，包括 Geoffrey Hinton 等大牌科學家的視覺優先論。

3. [0:56] 多模態推理的突破方向

   提出整合語言推理與視覺推理的多模態方案，才能產生具備邏輯推導與物理世界感知能力的通用 AI 模型。

4. [1:26] 前沿實驗室的程式設計競賽策略

   OpenAI、DeepMind、Anthropic 聚焦程式設計能力開發，將遞迴自我改進作為 AGI 競速的路徑，導致對多模態視覺推理重視不足。

5. [2:23] 市場機會與競爭格局

   Dai 認為多模態推理是當前最佳機會，預估 DeepSeek 可能是競爭對手但方向不明確，其他實驗室競爭壓力導致忽視此領域。

金句