谢赛宁｜访谈内容与知识整理

访谈基本信息#

访谈内容整理#

• 视觉即智能（Vision as Intelligence）：从寒武纪生命大爆发（眼睛的出现引发进化竞赛）谈起，认为视觉不是计算机科学的一个分支，而是所有智能（生物与人工）的根基。
• 拒绝 Ilya 与离开硅谷：透露曾两次拒绝 OpenAI 联合创始人 Ilya Sutskever 的入职邀约；认为硅谷目前将所有资源砸向文本 LLM 是一种“被催眠”的局部最优解，无法通往真正的通用人工智能（AGI）。
• 联合创立 AMI Labs：与 Yann LeCun 合作提出基于非文本、基于物理表征的“世界模型”（World Model），通过让 AI 预测物理世界的真实演化逻辑，打破大语言模型靠文本幻觉猜词的局限。

技术与商业知识#

1. DiT（Diffusion Transformers）：将扩散模型（Diffusion）与 Transformer 架构相结合的新型生成模型架构，拥有极强的扩展性，是 Sora 等顶级视频生成模型的核心基座。
2. 世界模型（World Model）：一种能够理解并预测物理世界运行规律、空间结构、因果关系与物体交互的人工智能架构，而非仅处理符号与文本。
3. 表征学习（Representation Learning）：机器学习中的核心底层问题，研究如何将物理世界的高维原始数据（图像、视频、音频）映射为包含语义与空间逻辑的低维密集向量。
4. JEPA（Joint Embedding Predictive Architecture）：Yann LeCun 与谢赛宁倡导的联合嵌入预测架构，在表征空间中预测未来，从而避开像素级冗余生成的计算消耗。

JW 的个人心得#

待 JW 观看原访谈后补充。欢迎在下方评论区分享你的理解、补充与不同看法。