1、一AI模型缺乏的4个人类核心智能特征理解物理世界杨立昆指出AI不理解物理世界，所有相对聪明的动物包括人类都具备理。
2、Meta首席AI科学家杨立昆认为当前AI智力水平不及人类AI不理解物理世界，甚至不如狗，且不会接管世界具体阐述如下当前AI的局限性 基于语言训练的智力缺陷杨立昆指出，当前以大型语言模型为核心的生成式AI如GPT系列仅通过文本数据训练，缺乏对真实物理世界的底层理解例如，AI可通过律师资格考试，但无法完成装载洗碗机。
3、无法理解物理世界现实世界具有重量速度摩擦力等物理属性，且充满不确定性如抓取水杯时需调整力度。
4、GPT不懂“牵牛”，本质在于其基于词语统计关联的“智能”缺乏对现实世界物理常识的理解，当前解决AI“无知”的主流方案不可持续，需要构建全新的认知系统GPT的“无知”源于词语统计关联描绘场景看似懂，实则不懂内涵当向GPT提问“描述一下‘人牵牛’这个场景”时，它能给出文采斐然结构严谨的回答。
5、技术革命的长期性世界模型不是“明年落地的革命”或“替代所有智能的银弹”，而是一条明确但漫长的技术路径其价值在于为AI提供理解真实世界的底层框架，而非短期功能升级总结李飞飞的观点揭示了AI发展的核心矛盾语言能力与世界理解的割裂世界模型通过构建可生成可交互可预测的虚拟物理世界，为。
6、Sora和VJEPA在理解物理世界方面均存在局限性，目前无法完全实现人类对物理世界的理解，但VJEPA通过非生成式的抽象预测方法，在理解物理世界的方向上迈出了更关键的一步具体分析如下Sora的局限性生成式方法的本质缺陷Sora作为生成式AI模型，其核心是通过文字提示生成逼真视频，但这种能力并不等同于对。
7、生成视频并不意味着理解物理AI视频生成技术虽能生成视觉逼真的内容，但对真实世界的物理规律理解仍非常。
8、AI不具备的特性主要包括人类智能的基本特征情感与伦理相关能力创造力与想象力以及传统机械系统的共性能力非AI独有，具体如下1 人类智能的基本特征AI缺乏人类智能的四个核心特征推理规划持久记忆理解物理世界的能力例如，AI虽能通过算法模拟逻辑推理，但无法像人类一样基于长期经验形成复杂。
9、认知扭曲风险文本可能包含偏见或错误，LLMs会无差别复制这些“影子”，导致输出失真对AI未来的启示 短期价值当前LLMs作为“脑部扫描仪”已能高效模拟部分人类认知，可用于问答创作等场景长期挑战若要实现真正灵活的智能如自主理解物理世界解决全新问题，需突破“洞穴”限制，让AI通过与现实。
10、然而，将此等同于“AI理解物理世界”仍为时过早真正的理解需具备以下特征可解释性能以人类可理解。
