myWiki/concepts/world-model-lecun.md

title, created, updated, type, tags, sources

title	created	updated	type	tags	sources
LeCun 世界模型理论	2026-06-08	2026-06-08	concept	world-model LeCun JEPA planning representation-learning	raw/articles/lecun-llm-boundary-future-2026.md

LeCun 世界模型理论

"从非常宽泛的层面来讲，世界模型是一种能让智能体系统预测自身行动后果的事物。" — Yann LeCun

与 internal-world-model（CTM等）和生成式世界模型（Dreamer/Sora）不同，LeCun 的世界模型理论强调在抽象表征空间中预测、服务于规划与决策。

核心定义

• 重心不在"生成"，在"预测后果"
• 服务于规划与决策，而非重建观测
• 无法预测自身行动后果的系统 ≠ 真正意义上的 Agent

理论基础

水瓶类比

推无盖水瓶底部→滑动；推顶部→可能翻倒。但你无法精确预测倒向何方。

两层深层逻辑：

1. 不可约不确定性：倒向取决于微观摩擦、空气扰动、液体湍流——认知上不可压缩的复杂性
2. 维度诅咒：256×256 RGB = 196,608维，而语义表征仅~192维。像素空间极度稀疏、多模态、不连续。

信息论视角：H(pixel|context) 极高（不确定），H(state|context) 低且结构化——后者才是可靠的预测着力点。

认知科学佐证

人类心智不做"像素级心理渲染"——你知道"瓶子会倒"，但大脑不生成瓶身每个反光点的精确 RGB 值。JEPA 正是对这一生物直觉的模拟。

生成式 vs JEPA：关键分叉

路线	训练目标	核心问题
生成式 (Dreamer/Sora/Genie)	像素重建	浪费容量于噪声，因果混淆，规划无能
JEPA (I-JEPA/V-JEPA/LeWorldModel)	潜在空间预测	需防[[representation-collapse

MAE 作为失败案例：LeCun 直接指出 FAIR 的掩码自编码器项目"结果非常令人失望"——像素重建不适用于世界模型。

与 objective-driven-ai 的关系

世界模型是目标驱动AI的"模拟引擎"：

给定当前状态 + 候选动作 → 预测未来状态 → 成本模块评估 → 优化搜索最优动作序列

应用领域

1. 机器人技术：动作条件世界模型用于规划
2. 工业过程控制：喷气发动机、化工厂、发电厂——系统太复杂无法用方程建模，但可从数据训练
3. 医疗：病人动态、人体细胞反应预测
4. 近期优先：AMI Labs 将工业控制作为短期优先方向

参考

• lecun-llm-boundary-future
• jepa
• leworldmodel