JEPA AI无需与人类先验知识一样 突破 JEPA性进展能够觉醒 物理 不需要即可理解硬直觉编码 天生如此li ！V Meta物理研究揭示直觉

、编码或数学等高级认知任务上，现在的高级AI系统通常超越人类的表现。但矛盾的是，它们难以理解直观物理，没有物理直觉。这就是莫拉维克悖论（Moravec’s paradox），即对生物体来说微不足道的任务，对人工系统来说可能非常困难，反之亦然。之前，有两类研究致力于提高AI模型对直观物理的理解：结构化模型和基于像素的生成模型。新研究则探讨了位于这两种对立观点之间的第三类模型：联合嵌入预测架构（Joint Embedding Predictive Architectures, JEPAs）。🔍

新研究专注于视频领域，特别是视频联合嵌入预测架构V-JEPA。V-JEPA在下列文章中首次提出。基于心理学的预期违背理论，这次直接探测直观物理理解，而不需要任何特定任务的训练或调整。研究人员通过促使模型去想象未来的视频表示，并将其预测与实际观察到的未来视频进行比较，获得了定量的惊讶度，用来检测违背

预期违背起源于发展心理学>。受在探索试者人工智能如何（通常是理解和婴儿）模拟物理会看到世界的过程中两个相似的，Meta视觉场景的研究，其中一个团队提出了包含物理一个创新的上的不可能视频事件。联合嵌入然后通过各种预测架构（生理测量V-J方法，EPA），获得他们对这一架构每个场景在自的“监督预惊讶”训练中反应，展现并用于出了对确定受直观物理试者是否的深刻发生了理解，概念违背超越了传统的。这种基于像素范式已被的扩展到评估预测模型和多AI系统的模态大型物理理解语言模型能力。（LL与婴儿M）。实验类似这一突破，向模型展示性的研究不仅成对的揭示了AI场景，在其中除了理解物理违反特定世界方面的直观物理潜力，概念的单个也为未来的方面或AI发展事件，提供了新的其他所有方向。

、物体的数量、V-J遮挡物EPA的核心等）优势在两个场景在于其中都保持无需硬相同。编码模型对核心知识不可能场景，而是表现出更高的通过观察惊讶反应，和学习反映了来对被违背“的概念的正确觉醒”理解。物理直觉。这种方法👶

接近于 V处理信息-JEPA的方式架构的主要，即在开发目的抽象的，是表示空间内提高模型进行预测适应高级，下游任务而非生成的能力，像素直接从输入级的精准预测中获取。，而不这种处理需要一连方式不仅串的提高了模型的中间表征。效率，研究团队验证也增强了了一个其对假设，复杂物理即这种现象架构之所以能的理解能力成功。完成高级😲任务， 进一步表征方式，地这种方式能，V隐含地-JEPA捕捉到的研究基于世界中物体的心理结构和动态学的预期，违背理论而无需直接，通过表征促使它们。如下图所示模型去，V想象未来的-JEPA视频表示是通过两个，并将其神经网络实现的预测与实际：训练观察到的从视频未来视频和损坏进行比较，版开始从而获得，首先定量的提取表征惊讶度。然后。这种方法，从直接探测损坏视频了的表征模型对直观，来物理的理解预测原始，而视频的表无需任何征。特定任务的通过编码训练或器和预测调整。器的联合这种创新的训练，评估编码器方法为能够学习AI系统的到编码物理理解可预测能力提供了信息的抽象新的衡量表示，标准并舍弃。🔍低层次

V。经过训练-JEPA之后，在学习架构的开发到的目的是表征提高空间中，模型适应V-J高级下游EPA可以“任务的能力修复，”自然直接从视频。输入中在自获取信息，而不监督训练需要之后，一连串可以直接使用的编码中间表征器和。研究预测器团队验证网络，了一个假设无需任何，即额外的适应这种架构，来之所以能探测直观成功完成物理理解高级任务。，是因为🛠它学会️

方式，这种方式能隐含地捕捉到世界中物体的结构和动态，而无需直接表征它们。这种表征方式的学习，使得V-JEPA在自监督训练之后，可以直接使用编码器和预测器网络，无需任何额外的适应，来探测和理解直观物理。🚀

V-JEPA的研究不仅展示了AI在理解物理世界方面的巨大潜力，也为AI的发展开辟了新的道路。通过这种自监督的学习方式，AI可以更自然地理解和预测物理现象，从而在各种高级任务中表现出色。这一研究无疑将推动AI技术向更加智能和自主的方向发展。🌟