#模型时代# 杨立昆喊了三年的理论，被一群心脏科AI研究者证实了？

刚在X上看到一个医学超声波的AI研究，和杨立昆喊了好几年的JEPA理论直接相关，蛮值得关注的，大致介绍一下。

1、去年11月杨立昆离开待了12年的Meta，创办AMI Labs，把全部赌注押在他2022年提出的JEPA理论上：AI不应该逐像素重建现实，应该在抽象空间做预测。离职时他对FT说"LLM在超级智能方向上是死路"，公开批评老东家只敢做安全的、被验证过的事，还说Meta新任AI负责人Alexandr Wang"年轻、没有研究经验"。

2、不过杨的批评虽然犀利，但是一直面对有理论，无实践的窘境，虽然你看起来说的有道理，但是没有落地成果啊。

3、但三个月后，这个来自加拿大心脏中心的论文给他送上了弹药。多伦多大学健康网络的Bo Wang团队发布EchoJEPA，首次把JEPA用于医学超声，在1800万条心脏超声视频上训练。

4、心超有个天然难题：画面布满随机散斑噪声，跟心脏结构毫无关系，同一病人换角度拍噪声图案就完全不同。这恰好是JEPA理论的完美检验场：像素层面纹理和语义彻底脱钩，你要么学噪声要么学结构，没有中间地带。

5、团队做了极干净的对照：同架构同数据同算力，只换训练目标。潜在预测版射血分数误差低27%，视图分类准确率高45个百分点。用1%标注数据就超过对手用100%的成绩。声学干扰下性能只降2.3%，对手降16.8%。

6、有意思的是，论文一作Alif Munim跟杨立昆没有任何师承关系。Munim本科毕业于多伦多都会大学，2022年加入Bo Wang的心脏AI团队，Bo Wang是斯坦福博士，跟杨也没有同门渊源。

7、他们用JEPA的原因很务实：Meta把V-JEPA 2的代码和权重完整开源了。EchoJEPA的代码仓库写得很直白——"预训练配置基本沿用V-JEPA 2"，本质上是拿Meta的开源工具针对超声做了适配。论文致谢提到V-JEPA 2的两位共同作者Quentin Garrido和Koustuv Sinha在训练策略上提供了指导。但这不是学术谱系里的师生传承。

8、2月7日，杨立昆在X上给一作的推文留言，评论"Very cool!"。Munim的回复是："Thank you my goat. I believe and will continue fighting for your vision."（谢谢我的GOAT，我信你的路线，会继续为之奋斗。）

9、杨立昆刚离开Meta单干，押的就是JEPA这条路。现在一个跟他素不相识的年轻研究者，拿他的开源代码在临床场景里跑出了漂亮的数据，然后公开说"为你的愿景而战"。杨立昆应该是蛮开心的。