Video wird geladen...
Video konnte nicht geladen werden
昨晚看了极客公园「今夜科技谈」的直播,张鹏对谈黄碧薇教授 Biwei Huang,聊的是因果大模型 本来只想随便听听,结果完整看完了,有几个点想分享 黄教授的经历挺特别,因果发现(Causal Discovery)是个小众但很深的领域,1989 年由 CMU 的 Clark Glymour 和 Peter Spirtes 开创,这两位是她的博士导师;后来推动第二代方法的 Kun Zhang、Bernhard Schölkopf,也是她的导师 今年她从学校出来创办了 Aether AI( 这期直播最值得记住的,是她那张"四代范式"2×2(模型大小 × 学相关还是学因果): ① 90 年代:相关性 × 小模型 ② 2010 年代:因果 × 小模型 ③ 现在:相关性 × 大模型 = LLM ④ 下一站:因果 × 大模型 她的解释也很直觉:语言和代码的信息比较浅、数据离散,堆相关性就能做得很好;但物理世界变量太多,VLA 的 demo 再漂亮,桌面高两厘米可能任务就做不了。 机器人需要的不只是预测下一帧,而是理解"为什么"... show more
44,233 Aufrufe • vor 3 Monaten •via X (Twitter)
28 Kommentare

目前的 LLM 本质上还是“超级统计学鹦鹉”,它们只知其然,不知其所以然,有不美剧《Devs》,讲述了超级量子计算机将一切混沌的、概率分布的事物转化为精确的因果推断,形成一套 真正理解世界运行规律,换句话说,这是量子计算时代的必然。 @grok,分析一下目前全球顶尖 AI 实验室(如 OpenAI、DeepMind)的内部研发布局:有多大的资源比例和研究重心,已经从单纯的“扩大参数规模(Scaling Laws)”悄悄转向了“因果结构学习(Causal Structure Learning)”?

@huang_biwei 怎么和因果沾上联系了 这个让我着实没想到 让我有探索的欲望

@huang_biwei 一直都有哈 以前很小众

@huang_biwei 涨知识了

@huang_biwei 逻辑思维上凡事皆有因果,因果模型也遵循逻辑,合理

@huang_biwei 把“相关性 vs 因果”这个核心差异讲得特别透: LLM现在很强,是因为语言/代码是离散的、数据丰富的领域,堆相关性就够了。 但物理世界变量太多、容错率低,桌面高2cm任务可能就崩了——这时候就需要真正理解“为什么”。 因果大模型确实可能是下一代机器人的关键方向,期待Aether AI后续的落地进展!

@huang_biwei 我草,听名字就很吊

@huang_biwei 因果大模型,这么牛逼👍

@huang_biwei 哈哈 还在推进

@huang_biwei 学习了 第一次听说这个

@huang_biwei 哈哈 因果推断,之前比较小众

@huang_biwei 是的呀 得学习下这个观点

@huang_biwei 把学术东西讲得这么接地气,以后AI不光会聊天,还得懂世界怎么跑的

@huang_biwei 佛教理论的应用场景之一

@huang_biwei vLLM Learning Journey · 30 天从后端到 AI 推理工程师 一名 10 年后端工程师,用 30 天系统补齐 vLLM 推理引擎 + LLM 服务化网关 的实战记录。 学习风格:踩坑实录 + 原理科普 + 单卡可实操,每天一个主题,当天动手 + 当天笔记 + 当天 commit。

@huang_biwei 最近小玩了一下Claude fable 觉得软件工程确实开启新时代了,但我觉得因果关系才是开启AI For Science 大门的钥匙🔑

@huang_biwei 👍

@huang_biwei 还挺有启发性的。因果推理感觉是当前大模型最缺的一块,尤其在具身智能。黄教授的“相关 vs 因果、小模型 vs 大模型”做成2x2框架,挺有意思,也点出了机器人真正落地的痛点。希望Aether AI能真正做出实际成果,期待期待。

@huang_biwei 是的哈

@huang_biwei 我这样理解对不对,现在的 AI 像个刷题刷到极致的考生,见过的题型都会做,但桌子高两厘米这种"没见过的题"就容易失灵;而因果大模型,是想把它从"会背答案"变成"能举一反三"——不只记住答案,而是真懂为什么。

@huang_biwei 是的哈

@huang_biwei LLM 擅长学相关性,但机器人需要理解因果 语言和代码世界里,很多任务靠“见过足够多相似模式”就能做得很好。 但物理世界不一样,桌面高两厘米、光线暗一点、物体摩擦力变了,原来的策略可能就失效 机器人需要知道什么变量真的影响结果,什么只是背景噪音。这也是因果大模型值得关注的地方。

@huang_biwei 是的

@huang_biwei 越来越期待 lm 后续发展了😂

@huang_biwei 哈哈 继续奔跑

@huang_biwei 涨知识了,还真是第一次听说因果模型

@huang_biwei 哈哈 我之前做营销算法 ,有接触过

@huang_biwei 要去了解下了
