把杯子放到一张没见过的桌上：挡板间距变了，桌面有水迹，目标在另一边。此时先认出五位研究者的名字，并不能告诉我们下一步该做什么。更有用的是逐项指出：当前不知道什么，哪一种信息可能改变行动选择。

本课把相关研究方向概括成五个判断。以下是课程对问题的整理，不是五位学者的逐字引语，也不是他们共同提出的一套统一理论。

Ilya Sutskever 对预测的讨论，提示我们思考：为了预测接下来发生什么，模型是否需要学习数据背后的过程？在这里，仅记住一张杯子照片不够，位置与运动之间的关系才帮助预测。这个判断提出学习的可能性，本身不保证任意预测任务都会学出所需机制。

Jitendra Malik 对感知运动经验的强调，追问已有材料遗漏了什么。网络视频可能展示杯子移动，却没有记录本次施力，也未覆盖这张湿桌面。更多熟悉画面与补上缺少的经验，不是同一个动作。

Richard Sutton 的互动视角提醒我们：选择会改变后续观察。沿这一互动框架，本课进一步提出：若几种摩擦或触发机制都解释旧记录，一次有区分力的试探可能比重复观看更有信息。它也带来现实取舍——动作有代价，不是交互越多就必然越好。

Fei-Fei Li 强调的空间结构，在这里具体落到杯柄、通道、遮挡与接触。知道“要移过去”不能替代知道整个物体能否通过。Yann LeCun 所推动的表示预测路线，则让我们追问哪些细节需要保留：避碰可以省去部分纹理，却不能把通道边缘一并删掉。

“那我们到底选谁的路线？”先选要解决的缺口。通道尺寸未知，先补空间信息；表面动态不确定，需要相关经验或反馈；表示已经把决定碰撞的边缘丢掉，就要修正表示或任务接口。名字不能替我们判断本次缺了什么。

这些观点可以互相提出要求，也存在真实张力：规模化观察能走多远，行动数据在哪个阶段不可少，压缩到何种程度还能应对任务变化，都不能靠本页宣布争论结束。共同留下的问题是：面对没有熟悉模板的情境，什么让智能体仍能有效行动？下一页把语言的目标表达接入这个问题，看看计划如何随本次观察改变。