How AI Learned to Teach Itself [JEPA]

摘要

追溯 30 多年無標籤自監督學習演進，從隨機點立體圖到 JEPA 架構，解釋如何預測潛在空間並規劃行動。觀眾可了解現代世界模型的關鍵觀念與原理。

This video traces 30+ years of self-supervised learning from random-dot stereograms to JEPA, explaining how AI learns to predict in latent space and plan actions.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

提到的工具與公司

• JEPA
• I-JEPA
• V-JEPA
• V-JEPA 2
• V-JEPA 2-AC
• LeWorldModel
• CPC
• MoCo

適合誰看

機器學習研究者、AI 架構師或對自監督學習有興趣的進階使用者。

摘要依據

講者

Jia-Bin Huang

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.53

新鮮

0.63

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Bubble or No Bubble, AI Keeps Progressing (ft. Relentless Learning + Introspection)影片 ・ AI Explained ・ 13 分鐘
• XEP23 - 生成式 AI 走錯路了？深度解析 AI 傳奇 Yann LeCun 的逆風豪賭！【試聽】影片 ・ 科技浪 ・ 13 分鐘
• AIE Europe Debrief + Agent Labs Thesis: Unsupervised Learning x Latent Space Crossover Special (2026)Podcast ・ Latent Space ・ 55 分鐘
• Agents, RAG, and Reasoning Models影片 ・ Luis Serrano Academy ・ 27 分鐘
• Yann LeCun on What Comes After LLMs影片 ・ Unsupervised Learning: With Jacob Effron
• AI is Already Building AI | Google DeepMind’s Mostafa DehghaniPodcast ・ The MAD Podcast ・ 1 小時 5 分