在人工智能领域，关于大语言模型（LLM）能否实现通用人工智能（AGI）的争论从未停歇。深度学习先驱杨立昆近期在科技频道Welch Labs的访谈中，系统阐述了他对这一问题的看法，并详细介绍了基于联合嵌入预测架构（JEPA）的世界模型技术路径。
杨立昆认为，当前主流的生成式大语言模型存在根本性缺陷。这类模型通过自回归机制预测下一个字符或像素，本质上是在复现训练数据中的统计规律，而非真正理解物理世界的运行逻辑。随着输出序列延长，误差会不断累积，导致结果偏离客观事实。他强调，单纯扩大模型规模无法解决这一结构性问题，因为概率统计无法转化为因果推理能力。
针对LLM的局限性，杨立昆提出了替代方案——世界模型。该模型通过构建抽象表征空间进行预测，而非直接生成像素级内容。其核心优势在于能够模拟物理规律，使AI系统在执行任务前预判不同行动的后果。这种基于客观规律的内部推演能力，被视为实现AGI的必要条件。
JEPA架构是世界模型的具体实现形式。与传统生成式模型不同，JEPA通过编码器将输入数据压缩为数学表征，再由预测器基于当前状态推断未来状态。这种设计避免了像素级预测的计算负担，使模型能够专注于分析场景中的关键特征。例如，在视频预测任务中，JEPA会忽略树叶摆动等随机噪声，转而关注物体运动轨迹等核心规律。
解决表征坍塌问题是JEPA技术突破的关键。早期联合嵌入架构容易陷入平凡解，即对所有输入输出相同表征。为克服这一难题，杨立昆团队引入了Barlow Twins方法，通过最大化不同特征间的信息差异，迫使模型学习真实有效的环境信息。实验表明，采用该技术的自监督学习模型在ImageNet分类任务中达到73.2%的准确率，超越了全监督的AlexNet。
世界模型的应用潜力已在机器人领域得到验证。通过V-JEPA等变体模型，机械臂能够在不依赖人工标注数据的情况下，理解物体间的相互作用关系。当给定目标状态图像时，系统可基于世界模型预演不同动作序列，最终生成最优操作路径。这种能力使机器人能够完成复杂任务，同时确保行动安全性。
杨立昆指出，世界模型与LLM并非完全对立，但前者代表更接近AGI的发展方向。他批评当前部分AI系统缺乏行为后果预测能力，认为这是构建安全可靠智能体的重大隐患。通过JEPA架构，AI系统能够将推理转化为严密的搜索推演过程，而非简单的自回归预测，这为实现自主机器智能开辟了新路径。
尽管世界模型已取得阶段性成果，但其大规模应用仍面临挑战。杨立昆团队正致力于优化表征学习技术，以提升模型对复杂场景的理解能力。随着相关研究的深入，基于JEPA的世界模型有望在自动驾驶、工业自动化等领域引发变革，推动AI向更高层次的智能迈进。
