李飞飞：行胜于言

“There is more beyond language intelligence.”

李飞飞：语言智能之外，还有更大的世界。

大模型能写代码、做数学题，也能从一张照片里认出桌子和杯子。可如果把它放进一间陌生的房间，它未必知道杯子离桌边还有多远，伸手去拿会不会碰倒旁边的水壶。

李飞飞把这条差距称为AI的下一章：空间智能。

在新一期访谈中，李飞飞用了两个多小时讨论人类视觉、AI学习和创造力。

讲到World Labs时，她把话题拉回正在发生的技术变化：大语言模型让机器掌握了文字和概念，下一步要让它理解空间、时间和物体之间的关系。

开发者很快就会遇到这类模型。游戏场景、机器人训练、建筑设计和虚拟制作已经开始接入世界模型。

过去API返回文字或图片，现在World Labs想返回一个可以进入、编辑和继续运行的环境。

以下为访谈内容，我们进行了翻译与整理。

Agent读完代码库，也不代表它理解了世界

主持人提到了一个场景。

一个孩子见过猫以后，即使只看到书架后面露出一截尾巴，也可能认出那是一只猫。他没有看过几百万张猫的图片，更没有浏览过整个互联网。