參考 [1] NNAISENSE 是一家致力於物理世界人工智慧的通用人工智慧公司，成立於 2014 年，其技術基於神經網路世界模型 (NWM)。 J. Schmidhuber (JS) 曾任該公司總裁兼首席科學家——請參閱他 1990 年至 2015 年發表的 NWM 相關論文，例如 [4-5]，以及互聯網檔案館中 2020 年的 NNAISENSE 網頁。 https://t.co/j6xsLXHdPs （不過，最近 NNAISENSE 的業務重心已從通用人工智慧 (AGI) 轉向更專業化，專注於資產管理。） [2] JS，AI Blog（2022）。 LeCun 2022 年關於自主機器智慧的論文重述了 1990-2015 年的重要工作，但沒有引用這些工作。 https://t.co/byn3K3aSxK 多年前，JS發表了LeCun所稱的他「主要原創貢獻」的大部分內容：例如，能夠學習多個時間尺度和抽象層次、生成子目標、利用內在動機改進世界模型並進行規劃的神經網路（1990年）；能夠學習資訊豐富的可預測表示的控制器（1997年）等等。這些內容也曾在Hacker News、Reddit和媒體上被討論過。 LeCun也列出了“2012-2022年五大最佳創意”，卻隻字未提其中大部分都來自JS的實驗室，而且時間更早。以下是一些相關的熱門推文： https://t.co/kn7KhFHLvw https://t.co/FxALILsNRu https://t.co/caTuctmztu https://t.co/Rpip8HBzPA [3] 三位圖靈獎得主如何重新發表了他們未註明出處的關鍵方法和想法。技術報告 IDSIA-23-23，瑞士人工智慧實驗室 IDSIA，2023 年。 https://t.co/Nz0fjc6kyx 建議從第 3 節開始閱讀。另見[8]。相關熱門推文： https://t.co/0fJVklXyOr [4] JS (1990). Making the world differentialiable: on using fully recurring self-supervised neural networks for dynamic reinforcement learning and planning in non-stationary environments. TR FKI-126-90, TUM.該報告使用「世界模型」這個術語來描述一種循環神經網絡，該網絡能夠學習預測環境以及獨立控制器神經網路的行為後果。報告也透過生成對抗網絡引入了「人工好奇心」和「內在動機」的概念，並由此引發了大量後續研究。 [4b] JS (2002). 探索可預測性。載於 Ghosh, S. Tsutsui 編，《進化計算進展》，第 579-612 頁，Springer，2002 年。不要預測像素－找到複雜時空事件的可預測的內部表示/抽象！ [5] JS (2015). On Learning to Think: Algorithmic Information Theory for Novel Combinations of RL Controllers and Recurrent Neural World Models. arXiv 1210.0118. 提出了一種強化學習 (RL) 提示工程師和自適應思維鏈：RL 神經網路思考網路以進行抽象網路模型。超越了 1990 年的神經世界模型 [4]，實現了毫秒的規劃。請參閱十週年紀念推文：https://t.co/3FYt4x2PMM [6] JS (2018). One Big Net For Everything. arXiv 1802.08864. 將[5]中的強化學習器和世界模型（例如，基礎模型）合併到一個單一網絡中，使用了JS於1991年提出的神經網絡蒸餾方法。請參閱DeepSeek推文：https://t.co/HIVU8BWAaS [7] David Ha & JS. 世界模型。 NeurIPS 2018。 https://t.co/RrUNYSIz6n [8] 卷積神經網路是誰發明的？ 技術說明 IDSIA-17-25，IDSIA，2025 年。 https://t.co/HdCanIa4MN 關於此主題的熱門推文： https://t.co/6eDUT8qcNE https://t.co/chfcmk253b https://t.co/h27y6Ni2CA https://t.co/Rpip8HBzPA LinkedIn https://t.co/vzKQPhAGAy [9] Sifted.eu（2024年12月18日）。 Yann LeCun將為其新的人工智慧新創公司籌集5億歐元，估值達30億歐元。這位即將離任的Meta高層上個月宣布，他將啟動一個建構「世界模型」的新計畫。 https://t.co/c21tW6sy3b 引述：“這家新公司將專注於‘世界模型’，即能夠理解物理世界而不是像當今的大型語言模型（LLM）那樣僅僅生成文本的系統。”參見[1]。
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。