分类: 视觉主义

16 个词条

感知先于语言,视觉是智能的地基。

创客机器人主义
便宜、可魔改、开源的机器人硬件铺到足够多人手里,比少数昂贵的旗舰机器人更能推动具身智能。
主动感知主义
看是智能体主动在做的事——选择往哪看、怎么动——而不是从图片到标签的被动映射。
隐空间预测主义
主张模型应在表征空间中预测缺失或未来输入的抽象表示,而不是重建像素或 token。
感觉运动主义
感知和行动是一个闭环,智能就在于掌握“我动了之后感觉会怎么变”。
基于模型规划主义
智能体应该学一个环境模型,在里面做规划——先在想象里试动作,再真正去做。
人工生命主义
智能是类生命过程的晚期产物,应该从自组织、自复制的系统里“长”出来,而不是训练出来。
自监督自由主义
让数据自己监督自己;标签和 caption 可有可无,好的视觉特征能从原始像素里长出来。
多模态视觉主义
认为视觉理解才是核心目标,语言、音频等其他模态只是辅助信号。
反应式无政府主义
稳健的行为来自紧密的“传感器到执行器”反射,而不是世界模型或规划;世界本身就是最好的表征。
联邦学习地方主义
数据应该留在它产生的地方;让模型走到设备和机构那里去本地学习,只把更新传回来。
神经进化主义
对网络权重、拓扑和超参数做进化搜索,是一种可扩展、不依赖梯度的反向传播替代方案。
灵巧手主义
认为多指灵巧手的精细操作才是物理智能真正的试金石和发动机。
包容架构主义
智能行为来自直接与世界耦合的分层反应式感知-运动模块,不需要一个中央的符号化世界模型。
游戏智能体主义
游戏是通用 agent 理想的训练场:世界丰富、便宜、安全,目标清晰,还能无限重开。
物理主义
认为理解物理动态先于智能,模型应当学会物体和力在现实中到底如何运作。
发展主义
智能应该像孩子一样分阶段长出来:通过具身玩耍、课程和逐步扩展的技能。