愿景与路线：从世界模型到自主机器智能

可核实的路线起点

LeCun 在 Lex Fridman Podcast #416 中把物理世界理解、持久记忆、推理和规划列为智能系统的四项关键能力，并认为当时的 LLM 只能以很初级的方式处理这些能力 ^[1]。

Those are four essential characteristics of intelligent systems or entities, humans, animals.

这些是智能系统或智能实体——人类和动物——的四项关键特征。（译）

同一段访谈也明确表示自回归 LLM 很有用，并可能形成庞大的应用生态 ^[1]。所以争点不是“LLM 有没有价值”，而是 next-token prediction 是否足以构成完整自主智能。

证据边界

2022 年《A Path Towards Autonomous Machine Intelligence》是原型本章的核心材料，但 lecun.com 未提供公开副本，负责人已决定放弃。按证据规则，本版不陈述六模块、Mode-1／Mode-2、潜变量、配置器、成本模块、短期记忆、H-JEPA 与复杂度公式；这些内容不能由其他来源完整替代。

从可访问材料能确认什么

Meta 2021 年联合署名文章主张从数据自身构造监督信号，并讨论从已观察部分预测隐藏部分、联合嵌入和潜变量架构 ^[2]。Lex 访谈则把“接地”扩展到可交互的模拟环境，而不只指实体机器人 ^[1]。

I'm clearly in the camp that yes, intelligence cannot appear without some grounding in some reality.

我的立场很明确：智能不可能在完全不接地于某种现实的情况下出现。（译）

I-JEPA 在图像表征空间预测遮蔽区域 ^[3]；V-JEPA 把特征预测扩展到视频 ^[4]；V-JEPA 2 再加入动作条件预测器，并以 Model Predictive Control 在有限机器人任务中规划 ^[5]。这些材料共同支持“观察学习—表征预测—有限规划”的研究方向，但不足以证明原型所写的完整 AMI 模块体系。

编者重构：规划闭环的最小问题集

V-JEPA 2 的可核实闭环是：冻结视频编码器，以机器人视频、状态和动作训练动作条件预测器；给定当前观测与目标图像，在 latent 空间搜索动作；执行后重新观察并规划 ^[5]。证据边界是短程、给定目标和受控机器人操控，不能外推到开放世界长程自主。

尚未解决的问题

当前结论

命题	当前依据	结论
当前 LLM 的物理理解、记忆、推理和规划仍有限	Lex #416 [1]	人物观点可核实
自监督可从观察数据学习背景知识	Meta 联合署名文章 [2]	研究主张可核实
表征预测可用于图像和视频学习	I-JEPA、V-JEPA [3] [4]	部件级实证
动作条件表征预测可进入短程 MPC	V-JEPA 2 [5]	局部实证
原型所述 AMI 六模块、Mode-1／2、H-JEPA 等细节	lecun.com 无公开副本，负责人决定放弃	不作事实使用