郑州原油期货配资
人工智能最迷人的野心，不只是把下一句话写得更像人，而是学会判断“世界接下来会怎样”。当这个“世界”从癌细胞换成行星轨道时，问题骤然变得有趣：是否存在一种足够通用的预测学习原则，能跨过生物学与天体力学之间的巨大距离？
最新技术报告JEPA-Anything给出一个大胆但克制的答案：也许可以共享“学习变化的方法”，而不是让所有领域共享同一个模型。论文由PhAI Labs联合中国、英国和美国多所高校研究人员完成，9月17日发布于arXiv，目前仍属预印本阶段。
一个框架，七种“世界”
世界模型的核心，是从当前信息压缩出内部状态，再预测同一系统的另一个状态。目标可以是视频下一帧、病人未来风险、分子下一步构型，也可以是遭到药物或外界干预后的新状态。
传统JEPA把预测从像素层搬进“隐空间”，模型不必复原每一块纹理，而是预测更抽象的表征。问题在于，现实变化往往由多个机制驱动，把信息塞进一个目标向量和一条通道，容易让强信号挤压弱信号。
JEPA-Anything并没有制造一个真正“通吃宇宙”的超级网络。不同领域仍使用各自的输入形式、编码器和context-target构造，但后端共享同一种预测核心与潜在世界状态接口。
研究覆盖视觉、生物学、临床轨迹、控制、分子动力学、物理场和天气七类领域。十项动力学任务中，其报告指标全部优于标准JEPA基线，干预式Pong的单次干预预测误差降低34.8%。
OPF：别让世界只走一条预测通道
关键机制叫正交预测分解，也就是OPF。可以把它想象成把复杂交响乐拆成弦乐、铜管和打击乐：每组负责不同变化模式，最后再合成完整乐章。
技术上，OPF把潜在目标拆成多个彼此尽量正交的子空间，每个子空间配置独立预测器，再把各个预测因子重新合成为完整状态。它并不提前规定“这一维就是速度、那一维就是免疫反应”，而是让因素从可预测结构中自己长出来。
这种设计也被拿去挑战长程预测。研究者让模型处理机器人控制、偏微分方程、天气场以及水、石英、对乙酰氨基酚和苯的分子轨迹，在四种分子系统的单步误差和100步自由滚动误差中，JEPA-Anything都取得了所比较方法中的最低值。
不过它并非全面碾压：连续控制实验里，Walker2d和HalfCheetah平均回报更高，Hopper却仍由标准JEPA占优。“统一原则”显然不等于“所有任务都稳赢”。
从癌细胞到开普勒定律
最吸睛的实验发生在肝癌研究。
模型内部的预测因子把IL-18与NT5E/CD73阻断组合推为候选干预，随后研究者在Huh7与外周血单核细胞共培养、患者来源肝细胞癌类器官、肿瘤碎片以及免疫完整小鼠中验证，观察到更强的肿瘤杀伤和免疫激活。
这离“AI找到癌症新药”仍很远：它展示的是提出可检验假设的能力，而不是临床疗效。样本规模也有限，类器官和小鼠结果不能直接外推到患者治疗。
另一端则是行星。
研究者把模拟的位置—速度轨迹交给模型，没有向因子分析步骤提供开普勒定律标签，随后从潜在频率模式中恢复出轨道频率与半长轴的幂律关系，拟合斜率为-1.4991，理论值为-1.5，R²达到0.9999999。
这个结果很漂亮，但不是AI从真实天文观测中“重新发现宇宙定律”。更准确地说，它是一场诊断测试：如果潜在表征真的抓住动力学结构，那么已知物理规律应当能够从其中重新浮现。
离“理解万物”还有多远
JEPA-Anything真正重要的地方，不是名字里的“Anything”，而是把跨领域建模的共同点压缩成一个问题：怎样分配预测能力，让模型同时抓住多个互补的变化模式。
未来，世界模型也许会成为科学代理的“脑内模拟器”：先判断“如果这样干预会怎样”，筛掉代价高、希望小的方案，再把更有价值的候选交给真实实验室。
但预测不等于理解，相关性更不等于因果。论文作者也明确指出，正交因子本身不能证明因果机制，而相同架构原则也不意味着不同领域已经学到彼此对齐的“宇宙共同语言”。
所以郑州原油期货配资，AI距离“理解万物”很远。JEPA-Anything更像是一块新地基：细胞、天气、分子、机器人和行星无需共享同一套知识，却可能共享一种更一般的学习变化、拆分变化并验证变化的方法。
文章为作者独立观点，不代表联华证券_线上股票配资网-线上股指配资-线上配资排名观点
- 上一篇：炒股配资系统下载 猫厂P6晒月薪2.8万被群嘲！网友：“比市场价低太多了，出去看看吧。”
- 下一篇：没有了
相关文章
