AI教母李飞飞长文，从语言到世界：空间智能开启 AI 的下一个十年
大家好，我是AI算法工程师七月，曾在华为、阿里任职，技术栈广泛，爱好广泛，喜欢摄影、羽毛球。目前个人在烟台有一家企业星瀚科技。
- 关注公众号：量子基态，获取最新观察、思考和文章推送。
- 关注知乎：量子基态，获取最新观察、思考和文章推送。
- 关注CSDN：量子基态，获取最新观察、思考和文章推送。
- 关注稀土掘金：量子基态，获取最新观察、思考和文章推送。
- 网站1 ：七月
- 网站2：zerodesk
我会在这里分享关于 编程技术、独立开发、行业资讯，思考感悟 等内容。爱好交友，想加群滴滴我，wx：swk15688532358，交流分享
如果本文能给你提供启发或帮助，欢迎动动小手指，一键三连 (点赞、评论、转发)，给我一些支持和鼓励，谢谢。
作者：七月 链接：www.xinghehuimeng.com.cn 来源：七月 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
传送门
空间智能
翻自：drfeifei.substack.com/p/from-word…。中间加了一些个人思考。
发布
“AI教母”李飞飞发表了一篇信息量非常高密的长文，
名为“From Words to Worlds：Spatial Intelligence is AI’s Next Frontier”。
AI的下一个前沿，是「空间智能」。
添加图片注释，不超过 140 字（可选）
它是一项能让「看见」升华为「推理」，让「感知」蜕变为「行动」，让「想象」落地为「创造」的技术。
但「空间智能」究竟是什么？为何如此重要？该如何构建它？又该如何应用它？
今天，李飞飞撰万字长文分享了自己关于构建和使用「世界模型」以解锁空间智能的思考。
添加图片注释，不超过 140 字（可选）
讲解
1950 年，当计算只不过是自动算术和简单逻辑时，艾伦·图灵提出了一个至今仍在回响的问题：机器能思考吗？他需要非凡的想象力才能看到他所看到的：智力有一天可能是天生的，而不是诞生的。这一见解后来引发了一项名为人工智能 （AI） 的不懈科学探索。在我自己的人工智能职业生涯中已经有 25 年了，我仍然发现自己受到图灵愿景的启发。但我们有多近呢？答案并不简单。
如今，大型语言模型 （LLM） 等领先的人工智能技术已经开始改变我们访问和处理抽象知识的方式。然而，他们仍然是黑暗中的文字大师;雄辩但缺乏经验，知识渊博但没有脚踏实地。空间智能将改变我们创造现实和虚拟世界以及与现实世界互动的方式——彻底改变讲故事、创造力、机器人技术、科学发现等。这是人工智能的下一个前沿领域。
对视觉和空间智能的追求，是我进入这个领域以来指引我的北极星。这就是为什么我花了数年时间构建 ImageNet，这是第一个大规模视觉学习和基准测试数据集，也是促成现代人工智能诞生的三个关键要素之一，还有神经网络算法和图形处理单元 （GPU） 等现代计算。这就是为什么我在斯坦福大学的学术实验室在过去十年中一直将计算机视觉与机器人学习相结合。这就是为什么我的联合创始人贾斯汀·约翰逊、克里斯托夫·拉斯纳、本·米尔登霍尔和我在一年多前创建了世界实验室：第一次充分实现这种可能性。
添加图片注释，不超过 140 字（可选）
在本文中，我将解释什么是空间智能，为什么它很重要，以及我们如何构建能够解锁它的世界模型——其影响将重塑创造力、具身智能和人类进步。
空间智能：人类认知的脚手架
人工智能从未像现在这样令人兴奋。LLM 等生成式 AI 模型已经从研究实验室转移到日常生活，成为数十亿人的创造力、生产力和沟通工具。他们展示了曾经被认为不可能的能力，可以轻松生成连贯的文本、堆积如山的代码、逼真的图像，甚至短视频剪辑。人工智能是否会改变世界不再是问题。根据任何合理的定义，它已经有了。
然而，还有许多事情超出了我们的能力范围。自主机器人的愿景仍然很有趣，但却是推测性的，与未来学家长期以来承诺的日常生活装置相去甚远。在疾病管理、新材料发现和粒子物理学等领域大规模加速研究的梦想在很大程度上仍未实现。人工智能真正理解并赋予人类创造者权力的前景——无论是学习分子化学中复杂概念的学生、可视化空间的建筑师、构建世界的电影制作人，还是任何寻求完全身临其境的虚拟体验的人——仍然遥不可及。
要了解为什么这些能力仍然难以捉摸，我们需要研究空间智能是如何演变的，以及它如何塑造我们对世界的理解。
视觉长期以来一直是人类智能的基石，但它的力量来自于更基本的东西。早在动物能够筑巢、照顾幼崽、用语言交流或建立文明之前，简单的感知行为就悄悄地引发了通往智能的进化之旅。
这种看似孤立的从外部世界收集信息的能力，无论是微光还是纹理的感觉，在感知和生存之间架起了一座桥梁，随着几代人的流逝，这种桥梁只会变得越来越强大和复杂。一层又一层的神经元从那座桥上生长出来，形成解释世界并协调生物体与其周围环境之间相互作用的神经系统。因此，许多科学家推测，感知和行动成为驱动智力进化的核心循环，也是大自然创造我们物种的基础——感知、学习、思考和行为的最终体现。
空间智能在定义我们如何与物理世界互动方面发挥着基础性作用。每天，我们都依靠它来进行最普通的行为：通过想象保险杠和路缘之间越来越小的间隙来停车，接住扔在房间里的一组钥匙，在拥挤的人行道上行驶而没有发生碰撞，或者睡眼惺忪地将咖啡倒入杯子里而不看。在更极端的情况下，消防员在流动的烟雾中穿行倒塌的建筑物，对稳定性和生存做出瞬间判断，通过手势、肢体语言和共同的职业本能进行交流，这是无法替代语言的。孩子们在语言前的整个月或几年里，通过与环境的有趣互动来学习世界。所有这些都是直观、自动地发生的——这是机器尚未实现的流畅性。
添加图片注释，不超过 140 字（可选）
空间智能也是我们想象力和创造力的基础。讲故事的人在他们的脑海中创造独特而丰富的世界，并利用多种形式的视觉媒体将它们带给其他人，从古老的洞穴壁画到现代电影，再到身临其境的视频游戏。无论是孩子们在海滩上建造沙堡，还是在电脑上玩《我的世界》，基于空间的想象力构成了现实或虚拟世界中互动体验的基础。在许多行业应用中，对象、场景和动态交互环境的模拟为从工业设计到数字孪生再到机器人训练的无数关键业务用例提供支持。
历史上充满了定义文明的时刻，空间智能发挥了核心作用。在古希腊，埃拉托色尼将阴影转化为几何图形——在太阳在塞涅没有投下阴影的那一刻，在亚历山大港测量 7 度角——以计算地球的周长。Hargreave 的“Spinning Jenny”通过空间洞察力彻底改变了纺织制造：将多个锭子并排排列在一个框架中，允许一名工人同时纺纱多根线，从而将生产率提高八倍。Watson 和 Crick 通过物理构建 3D 分子模型、纵金属板和金属丝直到碱基对的空间排列卡入到位来发现 DNA 的结构。在每种情况下，当科学家和发明家必须纵物体、可视化结构和推理物理空间时，空间智能都推动了文明向前发展——这些都无法仅用文本来捕捉。
空间智能是我们认知的基础。 当我们被动地观察或主动寻求创造时，它就会发挥作用。它推动我们的推理和计划，即使是在最抽象的主题上也是如此。它对我们互动的方式至关重要——无论是口头上的还是身体上的，还是与同龄人或与环境本身的互动。虽然我们大多数人大多数时候都没有像埃拉托色尼那样揭示新的真理，但我们通常以同样的方式思考——通过我们的感官感知一个复杂的世界来理解它，然后利用对它在物理、空间方面如何运作的直观理解。
不幸的是，今天的人工智能还没有这样想。
过去几年确实取得了巨大进展。多模态法学硕士（MLLM）除了文本数据外，还使用大量多媒体数据进行训练，引入了一些空间感知的基础知识，今天的人工智能可以分析图片，回答有关图片的问题，并生成超现实的图像和短视频。通过传感器和触觉方面的突破，我们最先进的机器人可以开始在高度受限的环境中纵物体和工具。
然而，坦率的事实是，人工智能的空间能力仍然远未达到人类水平。而限制很快就会显现出来。最先进的 MLLM 模型在估计距离、方向和大小方面很少比偶然表现更好，或者通过从新角度重新生成物体来“精神上”旋转物体。他们无法穿越迷宫、识别捷径或预测基本物理。人工智能生成的视频——刚刚起步，是的，非常酷——通常会在几秒钟后失去连贯性。
虽然当前最先进的人工智能在数据中的读取、写入、研究和模式识别方面表现出色，但这些相同的模型在表示物理世界或与物理世界交互时存在根本局限性。我们对世界的看法是整体的——不仅仅是我们所看到的东西，还有一切在空间上如何相关、它意味着什么以及为什么它很重要。通过想象、推理、创造和互动（而不仅仅是描述）来理解这一点，这就是空间智能的力量。没有它，人工智能就会与它试图理解的物理现实脱节。它无法有效地驾驶我们的汽车，无法在我们的家庭和医院中引导机器人，无法实现全新的沉浸式和互动式学习和娱乐体验方式，也无法加速材料科学和医学的发现。
哲学家维特根斯坦曾经写道：“我的语言的局限意味着我的世界的局限。我不是哲学家。但我知道，至少对于人工智能来说，不仅仅是文字。空间智能代表了语言之外的前沿——将想象力、感知和行动联系起来的能力，并为机器真正改善人类生活开辟了可能性，从医疗保健到创造力，从科学发现到日常援助。
人工智能的下一个十年：构建真正的空间智能机器
那么我们如何构建空间智能人工智能呢？模型能够按照埃拉托色尼的远见进行推理，以工业设计师的精确度进行工程设计，以讲故事的人的想象力进行创造，并以急救人员的流畅性与环境互动，该有怎样的途径？
构建空间智能人工智能需要比法学硕士更雄心勃勃的东西：世界模型，这是一种新型的生成模型，其理解、推理、生成以及与语义、物理、几何和动态复杂世界（虚拟或现实）交互的能力远远超出了当今的法学硕士的能力范围。该领域还处于新兴阶段，目前的方法范围从抽象推理模型到视频生成系统。World Labs 成立于 2024 年初，秉持着这一信念：基础方法仍在建立中，这将成为未来十年的决定性挑战。
在这个新兴领域，最重要的是确立指导发展的原则。对于空间智能，我通过三个基本功能定义世界模型：
1. 生成： 世界模型可以生成具有感知、几何和物理一致性的世界
解锁空间理解和推理的世界模型也必须生成自己的模拟世界。它们必须能够产生无穷无尽的多样化和多样化的模拟世界，这些世界遵循语义或感知指令，同时保持几何、物理和动态的一致性——无论是代表真实空间还是虚拟空间。研究界正在积极探索这些世界是否应该以先天几何结构的形式隐含或显式表示。此外，除了强大的潜在表示之外，我认为通用世界模型的输出还必须允许为许多不同的用例生成明确的、可观察的世界状态。特别是，它对现在的理解必须与过去紧密相连;到导致当前世界状态的先前状态。
添加图片注释，不超过 140 字（可选）
2. 多模态： 世界模型在设计上是多模态的
就像动物和人类一样，世界模型应该能够以多种形式处理输入（在生成式 AI 领域称为“提示”）。给定部分信息（无论是图像、视频、深度图、文本指令、手势还是动作），世界模型都应尽可能完整地预测或生成世界状态 。这需要以真实视觉的保真度处理视觉输入，同时以同等的便利性解释语义指令。这使得智能体和人类都能够通过不同的输入与模型进行有关世界的交流，并接收不同的输出作为回报。
3. 交互式： 世界模型可以根据输入动作输出下一个状态
最后，如果作和/或目标是世界模型提示的一部分，则其输出必须包括世界的下一个状态，以隐式或显式方式表示。当仅给定一个具有或不带有目标状态的动作作为输入时，世界模型应生成与世界的先前状态、预期目标状态（如果有）及其语义含义、物理定律和动态行为一致的输出。随着空间智能世界模型的推理和生成能力变得更加强大和稳健，可以想象，在给定目标的情况下，世界模型本身不仅能够预测世界的下一个状态，而且还能够预测基于新状态的下一步行动。
这一挑战的范围超出了人工智能以前面临的任何挑战。
虽然语言是人类认知的纯粹生成现象，但世界遵循更复杂的规则。例如，在地球上，重力控制运动，原子结构决定光如何产生颜色和亮度，无数的物理定律限制着每一次相互作用。即使是最奇特、最有创造力的世界，也是由空间对象和智能体组成的，它们遵循定义它们的物理定律和动态行为。始终如一地调和所有这些——语义、几何、动态和物理——需要全新的方法。表示世界的维度比一维、顺序信号类语言的维度复杂得多。要实现能够提供我们作为人类所享有的通用能力的世界模型，需要克服几个巨大的技术障碍。在世界实验室，我们的研究团队致力于朝着这一目标取得根本性进展。
以下是我们当前研究主题的一些示例：
- 一种新的通用任务函数进行训练： 在 LLM 中定义一个像 next-token 预测一样简单优雅的通用任务函数长期以来一直是世界模型研究的核心目标。它们的输入和输出空间的复杂性使得这样的函数本质上更难表述。但是，尽管还有很多东西有待探索，但这个目标函数和相应的表示必须反映几何和物理定律，尊重世界模型作为想象和现实的扎根表示的基本性质。
- 大规模训练数据：训练世界模型需要比文本策划复杂得多的数据。有希望的消息：海量数据源已经存在。互联网规模的图像和视频集合代表了丰富、可访问的培训材料——挑战在于开发能够从这些基于二维图像或视频帧的信号（即 RGB）中提取更深层次的空间信息的算法。过去十年的研究表明，在语言模型中将数据量和模型大小联系起来的缩放定律的力量;世界模型的关键解锁是构建能够以可比规模利用现有视觉数据的架构。此外，我不会低估高质量合成数据和其他模式（如深度和触觉信息）的力量。它们在训练过程的关键步骤中补充了互联网规模数据。但前进的道路取决于更好的传感器系统、更强大的信号提取算法和更强大的神经仿真方法。
- 新的模型架构和表征学习： 世界模型研究将不可避免地推动模型架构和学习算法的进步，特别是超越当前的 MLLM 和视频扩散范式。这两种方法通常都会将数据标记为 1D 或 2D 序列，这使得简单的空间任务变得不必要地困难 - 例如在短视频中计算独特的椅子，或者记住一个小时前房间的样子。替代架构可能会有所帮助，例如用于标记化、上下文和内存的 3D 或 4D 感知方法。例如，在世界实验室，我们最近在一种名为 RTFM 的基于实时生成帧的模型上的工作证明了这种转变，它使用空间接地帧作为空间记忆的一种形式来实现高效的实时生成，同时保持生成世界中的持久性。
显然，在通过世界建模完全解锁空间智能之前，我们仍然面临着艰巨的挑战。这项研究不仅仅是一项理论练习。它是新型创意和生产力工具的核心引擎。世界实验室内部的进展令人鼓舞。我们最近与有限数量的用户分享了 Marble 的一瞥，这是有史以来第一个可以通过多模态输入提示的世界模型来生成和维护一致的 3D 环境，供用户和故事讲述者在他们的创意工作流程中探索、交互和进一步构建。我们正在努力尽快将其提供给公众！
Marble 只是我们创建真正空间智能世界模型的第一步。随着进展的加速，研究人员、工程师、用户和商业领袖都开始认识到其非凡的潜力。下一代世界模型将使机器能够在一个全新的水平上实现空间智能——这一成就将释放当今人工智能系统中仍然基本上缺乏的基本功能。
添加图片注释，不超过 140 字（可选）
使用世界模型为人们构建一个更美好的世界
激励人工智能发展的因素很重要。 作为帮助开创现代人工智能时代的科学家之一，我的动机一直很明确：人工智能必须增强人类的能力，而不是取代人类的能力。多年来，我一直致力于使人工智能的开发、部署和治理与人类需求保持一致。如今，科技乌托邦和末日的极端叙事比比皆是，但我仍然持有更务实的观点：人工智能是由人开发的，由人使用的，由人治理的。它必须始终尊重人们的能动性和尊严。它的魔力在于扩展我们的能力;使我们更具创造力、联系性、生产力和成就感。空间智能代表了这一愿景——人工智能使人类创造者、护理人员、科学家和梦想家能够实现曾经不可能实现的目标。这种信念推动了我致力于将空间智能作为人工智能的下一个伟大前沿。
空间智能的应用跨越不同的时间线。创意工具现在正在兴起——World Labs 的 Marble 已经将这些功能交到创作者和故事讲述者手中。机器人技术代表了一个雄心勃勃的中期视野，因为我们完善了感知和行动之间的循环。最具变革性的科学应用将需要更长的时间，但有望对人类的繁荣产生深远的影响。
在所有这些时间线中，有几个领域因其重塑人类能力的潜力而脱颖而出。这将需要大量的集体努力，而不仅仅是一个团队或一家公司所能实现的。这需要整个人工智能生态系统的参与——研究人员、创新者、企业家、公司，甚至政策制定者——努力实现共同的愿景。但这个愿景是值得追求的。这是未来的发展：
创造力： 强大的故事讲述和沉浸式体验
“创造力是智力的乐趣。”这是我最喜欢的个人英雄阿尔伯特·爱因斯坦的名言之一。早在书面语言出现之前，人类就讲述故事——将它们画在洞穴墙壁上，代代相传，在共同的叙述上建立整个文化。故事是我们理解世界、跨越距离和时间联系、探索人类意义的方式，最重要的是，在我们自己内心找到生命和爱的意义。今天，空间智能有可能改变我们创造和体验叙事的方式，以尊重其基本重要性的方式，并将其影响从娱乐扩展到教育，从设计到施工。
World Labs 的 Marble 平台将把前所未有的空间功能和编辑可控到电影制作人、游戏设计师、建筑师和各种故事讲述者手中，使他们能够快速创建和迭代完全可探索的 3D 世界，而无需传统 3D 设计软件的开销。创造性的行为仍然一如既往地充满活力和人性化;人工智能工具只是放大和加速创作者可以实现的目标。这包括：
- 新维度的叙事体验：电影制作人和游戏设计师正在使用 Marble 来变出整个世界，不受预算或地理限制，探索在传统制作流程中难以探索的各种场景和视角。随着不同形式的媒体和娱乐之间的界限变得模糊，我们正在接近融合艺术、模拟和游戏的全新互动体验——个性化的世界，任何人，而不仅仅是工作室，都可以创造和居住自己的故事。随着将概念和故事板提升为完整体验的更新、更快速的方法的兴起，叙事将不再受限于单一媒介，创作者可以自由地构建跨无数表面和平台共享贯穿线的世界。
- 通过设计实现空间叙事：基本上，每个制造的物体或构建的空间在物理创建之前都必须以虚拟 3D 进行设计。这个过程是高度迭代的，并且在时间和金钱方面都成本高昂。借助空间智能模型，建筑师可以在投入数月时间进行设计之前快速可视化结构，穿过尚不存在的空间——本质上是讲述我们如何生活、工作和聚会的故事。工业和时装设计师可以立即将想象力转化为形式，探索物体如何与人体和空间相互作用。
- 新的沉浸式互动体验：体验本身是我们作为一个物种创造意义的最深刻方式之一。在整个人类历史中，一直存在着一个单一的 3D 世界：我们共享的物理世界。直到最近几十年，通过游戏和早期的虚拟现实 （VR），我们才开始瞥见分享我们自己创造的平行世界意味着什么。现在，空间智能与 VR 和扩展现实 （XR） 耳机以及沉浸式显示器等新外形尺寸相结合，以前所未有的方式提升了这些体验。我们正在接近一个未来，踏入完全实现的多维世界变得像打开一本书一样自然。空间智能不仅使拥有专业制作团队的工作室能够构建世界，而且使个人创作者、教育工作者和任何有共同愿景的人都能参与世界构建。
机器人技术： 具身智能在行动
从昆虫到人类，动物都依靠空间智能来理解、导航并与它们的世界互动。机器人也不例外。自该领域诞生以来，空间感知机器一直是该领域的梦想，包括我自己与斯坦福大学研究实验室的学生和合作者的工作。这也是为什么我对使用世界实验室正在构建的各种模型的可能性感到如此兴奋。
- 通过世界模型扩展机器人学习： 机器人学习的进步取决于可行训练数据的可扩展解决方案。鉴于机器人必须学会理解、推理、计划和交互的巨大可能性状态空间，许多人推测，需要结合互联网数据、合成模拟和真实世界捕获人类演示才能真正创建可推广的机器人。但与语言模型不同的是，训练数据对于当今的机器人研究来说是稀缺的。世界模型将在其中发挥决定性作用。随着感知保真度和计算效率的提高，世界模型的输出可以迅速缩小模拟与现实之间的差距。这反过来又将有助于在无数状态、交互和环境的模拟中训练机器人。
- 伙伴和合作者： 机器人作为人类合作者，无论是在实验室工作台上帮助科学家还是帮助独居的老年人，都可以扩大部分迫切需要更多劳动力和生产力的劳动力。但这样做需要空间智能，能够感知、推理、计划和行动，同时——这是最重要的——与人类目标和行为保持同理心的一致性。例如，实验室机器人可能会处理仪器，以便科学家可以专注于需要灵巧或推理的任务，而家庭助理可能会帮助老年人做饭，而不会降低他们的快乐或自主权。能够预测下一个状态甚至可能与这一期望一致的行动的真正空间智能世界模型对于实现这一目标至关重要。
- 扩展体现形式： 人形机器人在我们为自己构建的世界中发挥着作用。但创新的全部好处将来自更多样化的设计：提供药物的纳米机器人、在狭小空间中导航的软机器人以及为深海或外太空制造的机器。无论它们的形式如何，未来的空间智能模型都必须整合这些机器人所居住的环境以及它们自己的具体感知和运动。但开发这些机器人的一个关键挑战是缺乏这些各种具身外形尺寸的训练数据。世界模型将在这些工作的模拟数据、训练环境和基准测试任务中发挥关键作用。
更长的视野： 科学、医疗保健和教育
除了创意和机器人应用之外，空间智能的深远影响还将扩展到人工智能可以以拯救生命和加速发现的方式增强人类能力的领域。我在下面重点介绍了三个可以产生深刻变革的应用领域，尽管不言而喻，空间智能的用例确实在更多行业中广泛。
在科学研究中， 空间智能系统可以模拟实验，并行检验假设，并探索人类无法进入的环境——从深海到遥远的行星。这项技术可以改变气候科学和材料研究等领域的计算建模。通过将多维模拟与真实世界的数据收集相结合，这些工具可以降低计算障碍并扩展每个实验室可以观察和理解的内容。
在医疗保健领域，空间智能将重塑从实验室到床边的一切。在斯坦福大学，我的学生和合作者多年来一直与医院、老年护理机构和家中患者一起工作。这次经历让我相信空间智能在这里具有变革潜力。人工智能可以通过多维度的分子相互作用建模来加速药物发现，通过帮助放射科医生发现医学成像中的模式来增强诊断，并启用环境监测系统来支持患者和护理人员，而无需取代康复所需的人际联系，更不用说机器人在许多不同环境中帮助我们的医护人员和患者方面的潜力了。
在教育领域 ， 空间智能可以实现沉浸式学习，使抽象或复杂的概念变得有形，并创造迭代体验，这对于我们的大脑和身体在学习中的连接方式至关重要。在人工智能时代，对更快、更有效的学习和再培训的需求对于学龄儿童和成人来说尤为重要。学生可以探索细胞机械或以多维方式浏览历史事件。教师通过互动环境获得个性化教学的工具。从外科医生到工程师的专业人士可以在逼真的模拟中安全地练习复杂的技能。
在所有这些领域，可能性是无限的，但目标始终如一：人工智能可以增强人类的专业知识，加速人类的发现，并扩大人类的关怀，而不是取代人类的核心判断力、创造力和同理心。
结论
在过去的十年中，人工智能已成为一种全球现象，也是技术、经济甚至地缘政治的拐点。但作为一名研究人员、教育家，以及现在的企业家，最能激励我的仍然是图灵 75 岁问题背后的精神。我仍然和他一样感到惊奇。这就是空间智能挑战每天激励我的原因。
历史上第一次，我们准备制造与物理世界如此协调的机器，以至于我们可以依靠它们作为我们面临的最大挑战的真正合作伙伴。无论是加速我们在实验室中理解疾病的方式，彻底改变我们讲故事的方式，还是在因疾病、受伤或年龄而最脆弱的时刻为我们提供支持，我们都处于技术的风口浪尖，这些技术可以提升我们最关心的生活方面。这是一个更深刻、更丰富、更有力量的生活的愿景。
在大自然在祖先动物身上释放出第一缕空间智能的曙光将近五亿年后，我们很幸运地发现自己跻身于可能很快赋予机器相同能力的一代技术专家之中，并且有足够的特权利用这些能力造福世界各地的人们。如果没有空间智能，我们对真正智能机器的梦想就不完整。
这个任务是我的北极星。 和我一起追求它。
