---
title: "预测行动后果 (Action Consequence Prediction)"
created: 2026-06-08
updated: 2026-06-08
type: concept
tags: [intelligence, planning, world-model, LeCun, agent]
sources: [raw/articles/lecun-llm-boundary-future-2026.md]
---

# 预测行动后果 (Action Consequence Prediction)

智能系统应具备的核心能力之一，也是 LeCun 认为 LLM **缺失**的第一大能力。

## 为什么如此关键？

> "智能的本质不是反应，而是选择。"

一个系统如果无法预判"做了这件事之后会发生什么"，只能被动响应当前输入，无法主动权衡和制定策略。没有这个能力，"行动"不过是刺激与反应之间的映射，和反射弧没有本质区别。

## 神经科学视角

- 发表在 *Nature Neuroscience* 的研究：**大脑本质上是一台预测机器**，而非反应机器
- 处理感官信号需几百毫秒，而世界不会等你——大脑必须提前下注，用预测跑在现实前面
- 流程：在内部持续模拟"行动→后果"循环，用预测指导行动，用感知校正预测

## LLM 的根本差距

- LLM **没有内部模拟器**
- 它描述行动后果的能力来自训练数据里人类写下的经验，而非自己模拟出来的现实
- 上一个 token 的影响和下一个 token 的预测之间，基本没有反馈回路

## LeCun 的解决方案

[[jepa|JEPA]] + [[world-model-lecun|世界模型]]：整个预测过程发生在行动之前，先在内部模拟，而非盲目试错。

预测行动后果是[[multi-step-planning|多步规划]]的前提——没有世界模型告诉系统"走这条路会到哪里"，搜索只能盲目试错。

## 来源

- [[lecun-llm-boundary-future|原始文章]]
- [[multi-step-planning|多步规划]]
- [[jepa|JEPA]]
- [[world-model-lecun|LeCun 世界模型]]