AI离“理解万物”还有多远？先拿癌细胞和行星轨道试试水

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> AI离“理解万物”还有多远？先拿癌细胞和行星轨道试试水 梦瑶 2026-09-19 14:39:32 来源： 量子位 衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 一篇技术报告中居然出现了两个看起来风马牛不相及的研究对象，跟着AI真是见世面。 一个是 患者来源的类器官 ，另一个则 跨越到了宏观宇宙 …… 先说前者。研究者利用模型学到的内部因子，提出了细胞因子联合抗体阻断的干预方案，并经细胞系、类器官、小鼠实验层层验证。 至于后者，研究者把模拟的行星位置和速度轨迹喂给模型，不告诉它开普勒定律。 等它学完后分析其内部的预测模式，提取出的“轨道频率-半长轴”关系拟合斜率达-1.4991（开普勒第三定律理论值为-1.5），且R²=0.99999999。 肿瘤研究和行星轨道计算 两个八竿子打不着的领域，居然能用同一种预测学习方法来搞定。 大千世界千差万别，天气、分子、细胞、病人、机器人乃至行星，各自遵循完全不同的规律。 但 AI在理解它们“如何变化”时，有没有可能共享一套更底层的方法？ 最近，PhAI Labs联合牛津、斯坦福、普林斯顿、港中文等高校团队最新发布的 JEPA-Anything ，就在尝试回答这个问题。 论文显示，JEPA-Anything是一个 面向不同“世界”学习预测模型的跨领域框架 。 每个领域保留自己的观测形式、context-target构造和编码器，但共享后面的预测核心以及一套统一的latent world-state interface。 其中涉及一个叫做 OPF （Orthogonal Predictive Factorization，正交预测分解） 的关键机制 。 可以先简单理解为： 别把世间各种各样的变化，全都堆在一块去学习建模。 给世界建模，一条预测通路可能不够 首先来厘清一个概念，在JEPA-Anything这项研究中，“世界模型”究竟意味着什么？ JEPA-Anything论文给出的定义兼具宽泛度与操作性。 论文写道， 只要模型能根据现有信息 （Context） 建立内部状态，并以此预测同一系统中的另一个状态，均可归入隐空间世界模型 （Latent World Model） 的范畴。 这里的“另一个状态”，既可以是时间上的未来，也可以是空间上的隐藏区域、不同视角，甚至是施加某种干预后的结果。 顺着这一思路，业界在过去几年间已经发展出了日趋成熟的技术路径。 例如， DreamerV3 强调先构建环境模型，再在模型内部“构想”行动后果； V-JEPA 2 则将视频表征学习与机器人控制结合，让机械臂在规划动作前，先预测不同行为带来的物理反馈。 而 JEPA ——Joint-Embedding Predictive Architecture，联合嵌入预测架构——是其中颇有代表性的一条路线。 相比直接在原始空间重建目标状态，JEPA选择 在表征空间做预测，不必还原每一个像素或细节。 它会将观测信息先编码为隐空间中的内部表征，再在表征空间内完成预测。 这种设计让模型把更多表征能力留给具有预测价值的结构，减少纹理、噪声等原始空间细节的干扰。 不过， 标准JEPA通常让信息全部汇入同一个target embedding，走同一条预测路径。 但现实世界的变化往往不是单线程的。 举例来说，分子的整体平移往往伴随着内部原子的微观振动；宏观气象系统的缓慢演变中，夹杂着剧烈的局部扰动；生物系统则更为复杂，多尺度、多通路的变化时刻在同步发生。 当不同尺度、不同实体、不同难度的信号强行挤在一起时，那些更容易预测、变化更显著的信号，可能优先占据更多预测容量。 相比之下，那些相对微弱却同样关键的信息，要么在梯度冲突中被抵消，要么被强信号彻底掩盖。 研究人员将其归结为一个 “预测容量如何分配” 的问题，同时给出了新的解决思路。 既然拥挤会导致挤压，那就进行空间解耦。 于是就有了JEPA-Anything。 其核心机制OPF （正交预测分解）将原本完整的目标状态切割为多个彼此互补的子空间，交由不同的预测分支独立处理，最终再拼回完整的世界状态。 为了防止多分支演变为“多套人马学同一件事”的冗余状态， OPF引入正交约束 ，让不同factor尽量占据互不重叠的预测方向，减少多个分支重复学习同一类信息； 同时通过因子活性约束和编码器方差约束 ，避免部分factor失活，并降低表示坍缩风险。 值得注意的是，这些factor并没有被预先规定“你负责速度”“你负责温度”“你负责某条生物通路”。 它们学什么由数据中的可预测结构决定。 训练完成后，这些factor也因此留下了一个可供后续分析的内部接口。 同一预测核心，跨七类系统验证 方法论说得再漂亮，最终仍需经受跨领域泛化的检验。 这就不得不提到 JEPA-Anything实验设计的独到之处。 它并未局限于视频表征或机器人控制等传统领域，转而将同一套预测核心（Predictive Core）直接置于视觉、生物、临床、控制、分子、物理场和天气七类截然不同的系统中进行验证。 所谓“Anything” ，并非指强行将所有领域的数据打散重构为同一种输入格式，图像、单细胞序列、分子结构乃至气象数据，依然保留各自最契合的编码器与数据形态。 它统一的是这样一套 底层规则 ： 当数据被转换为隐空间表征之后，预测部分应当如何搭建模型、如何完成学习。 论文先在一个基于简化Pong构造的受控动态环境CITRIS Interventional Pong里做实验，以验证模型能否将复合变化“拆解学习、再行组合”。 在训练阶段 ，模型仅接收过单一因子的变化数据；测试阶段则需要面对此前从未出现过的多因子组合干预。 如果模型仅仅死板地记录了训练集中的完整模式，面对全新组合必然失效；如果模型学到的是不同变化之间可复用的状态变化规律，就更有机会在未见组合里重新组合它们。 实验结果表明 ，在分布内的单项干预中，JEPA-Anything相较标准JEPA降低了约11.7%的预测误差；而在未见过的多因子组合干预中，均方误差（MSE）同样下降了约3.5%，且在五组配对训练seed中全部改善。 随后， 验证走向了更复杂的真实系统。 论文构建了一套严格对齐的动力学基准（Matched Dynamics Benchmark），在十项任务中确保标准JEPA与JEPA-Anything使用完全相同的训练数据、编码器、状态转移骨干网络、计算预算及评估切分。 在其中九项预测任务中，JEPA-Anything的性能指标均有所提升 。 比如PDEBench里的Burgers方程，MSE下降39.7%；浅水方程下降39.3%；WeatherBench 2下降10.5%。 论文还 专门做了多步rollout ，让每一次预测继续成为下一次预测的输入，以观察误差不断传递之后会发生什么。 分子系统则把时间线拉得更长。 在液态水、α-石英、对乙酰氨基酚和苯四种体系中，模型需要持续预测未来的原子位置和速