•
Meta首席AI科學家Yann LeCun：批評當前AI技術，構想未來願景
"在矽谷某些資訊泡沫中，有人宣稱大型語言模型非常強大，只需要在更多資料上訓練它們，最終它們就會達到人類水平的智能。甚至有人說，在兩年內，我們將擁有具有博士級能力的AI系統...這是錯誤的，過去70年中一代又一代的AI科學家都犯過這個錯誤，現在仍然錯誤。"
—— Yann LeCun
在4月27日，新加坡國立大學120周年慶典活動中，Meta首席AI科學家Yann LeCun分享了近期的研究和見解。作為深度學習奠基人之一，被譽為AI三大教父之一，當全世界都在追捧大語言模型時，Yann LeCun卻說我們走錯了路，並直言當前的AI技術仍與真正的通用智能相去甚遠，甚至提出了令業內震撼的觀點："幾年內，我們將不得不拋棄整個生成式AI的概念。"
本文將結合當天演講內容，解析Yann LeCun的核心觀點，探討他對未來AI發展的前瞻性思考，以及他所提出的具有挑戰性的研究方向。
“虛擬人類助理”願景：不造人類替代品，只作人類的超級助理
Yann LeCun開場就定下了基調：做AI不是為了“造人”，而是幫人“開外掛”。
“我們要建造的，不是替代人的AI，而是放大人類智能的‘虛擬人類’。終極目標是讓每個人都像政治家一樣，身邊圍著一群比自己還聰明的虛擬助理。”
他以Meta最新的智能眼鏡舉例，未來每個人的數字生活都將由AI助手貫穿，無縫協同。但，理想與現實之間，AI還存在著巨大的瓶頸。
一、為什麼LLM無法達到人類級智能？
- 機器學習的根本缺陷
LeCun用一句頗具爭議性的話來描述當前的機器學習："Machine learning sucks." 為什麼一位機器學習領域的先驅會對這一領域持如此苛刻的態度？我們來拆解一下他的核心“槽點”：
1.只有文字：LLM再大，也只是“文字接龍”高手，對物理世界和嘗試性推理連貓都不如。
2.無法創新：人類和動物都能夠“零樣本”應對新情境，LLM最多隻能“復讀”訓練過的答案。
3.海量樣本不及幼童直覺：4歲幼童的感官和運動資料量，竟然等同於訓練一個最大LLM所需文字的量級。可見，僅依靠擴巨量資料規模無法實現人類水平的智能：
LLM訓練資料：約30兆tokens (10^14字節)
人類視覺系統4年接收資料：約10^14字節
Yann LeCun揭示了LLM的本質侷限性：它們被訓練為預測下一個token的機率分佈，這種方式在長文字生成中存在指數衰減的精度問題。簡單來說，越長的文字輸出，出錯的機率就越高，這是一個統計學上的必然結果。
這也解釋了為什麼LLM可以通過律師資格考試或解複雜方程，但無法像嬰兒那樣理解物理世界或像青少年那樣快速學會開車。我們在象棋和圍棋上擁有超人類水平的AI，卻無法開發出能像貓一樣靈活的家用機器人。這正是AI領域的“莫拉維克悖論”。
- 真正的智能系統應當能夠：
- 快速學習新任務
- 理解物理世界（而非僅僅是文字和語言）
- 具有常識推理
- 擁有持久性記憶
- 能夠推理和規劃
- 機器要像嬰兒一樣認識世界——靠直覺物理和抽象感知
Yann LeCun強調，真正的智能，不是靠“死記硬背”大樣本，而是像嬰兒或小動物一樣，從感知“玩”出來：
- 獲得物體永久性和三維空間知覺
- 自主建立物理模型與因果推理
- 逐步習得抽象認知和目的導向的計畫能力
"我們永遠無法僅通過在文字上訓練LLM來達到人類水平的AI"，Yann LeCun斷言。我們必須能夠從高頻寬的感官輸入中訓練系統，但當前用於文字的架構無法有效處理視訊等更複雜的資料形式。
二、世界模型&能量基礎模型，Yann LeCun眼中的未來AI架構
Yann LeCun認為，未來AI架構的核心不在於生成文字、圖片本身，而在於能夠像科學家一樣建構抽象的"世界模型"（World Models），並以規劃推理能力自主達到目標。
- 世界模型：是一種能夠預測行動後果的系統。給定當前世界狀態和行動，世界模型可以預測採取該行動後世界的狀態。
這種能力是規劃和推理的基礎，使系統能夠通過搜尋確定那些行動序列會導致特定結果。這一概念源自機器人學和最優控制理論，但Yann LeCun認為，未來的AI系統需要通過觀察和互動來學習這種模型，而非由工程師手動建構。
- 能量基礎模型（Energy-based Model，EBM）：通過最佳化“相容度能量”來選擇合理輸出。推理過程變成在表示空間中“搜尋”最優解，而不是一條路走到黑的喂若干層神經網路就出答案。
- 系統“做夢”：可多步在自己腦中設想行為結果，彷彿在大腦中模擬“未來演練”。
- 層次化規劃：像人一樣，先定宏觀目標（去巴黎），再分解到中層行動（打車、打包行李），再到具體運動（走路、開門）。
- 通用性：不僅適用於機器人、自動駕駛，同樣適用於抽象領域：物理、化學、生物、醫療等。
- 層次規劃：AI的終極挑戰
人類在規劃時會自然地分解任務。如上例，從紐約前往巴黎涉及多個層次的子目標：前往機場、登機、抵達巴黎等。每個子目標又可以進一步分解為更細的步驟。Yann LeCun認為，這種層次規劃的能力是真正智能系統的核心特徵，而當前的AI系統根本無法實現這一點。
Yann LeCun非常關注研究這一方向，半開玩笑地表示："如果你正在讀博或者剛成為教授，想對AI產生實際影響，就來研究這個問題吧。如果你有好想法，我立馬招你。"這表明了他對這一研究方向的高度重視，也表明了該領域的挑戰性和潛在影響力。
三、聯合嵌入預測架構：告別生成式AI的新範式
Yann LeCun的最核心主張是放棄生成式AI，轉而採用"聯合嵌入預測架構"(Joint Embedding Predictive Architecture, JEPA)。
- 生成模型的根本缺陷
Yann LeCun指出，嘗試預測視訊中所有像素等級的細節是徒勞的，就像預測一個翻倒的物體會向那個方向倒下是不可能的一樣。當系統嘗試預測無法預測的細節時，會產生模糊的結果並浪費計算資源。
- JEPA的工作原理
JEPA的核心思想不是在像素層面上預測，而是在抽象表示空間中進行預測：
1. 將原始輸入(如視訊)通過編碼器生成表示向量
2. 將修改後的輸入(如部分遮擋的視訊)也生成表示向量
3. 訓練系統在表示空間中預測完整輸入的表示
這與科學方法的本質相似——尋找適當的表示方式使預測成為可能。就像物理學只需要六個數字就能預測木星100年後的位置，好的表示方式忽略了無關的細節，捕捉本質。
LeCun的團隊已開發出如Dino和iGPT等實現這一原理的系統，它們在自監督學習任務中展現出驚人的效果，甚至在某些領域超過了監督學習方法。
認知架構：多層次的理解與規劃
基於這些原則，LeCun提出了一個完整的認知架構，該架構結合了:
- 感知模組
- 記憶系統
- 世界模型
- 目標函數
- 規劃最佳化演算法
這些元件協同工作，使系統能夠通過最佳化搜尋一系列能夠滿足特定目標的行動。
四、開源與多樣性：AI未來發展的社會維度
除了技術層面的思考外，Yann LeCun還強調了開源和多樣性對AI未來發展的重要性。
為什麼我們需要開源基礎模型？
Yann LeCun預見未來我們與數字世界的大多數互動將通過AI助手來完成。如果這些AI助手只來自美國西海岸或中國的少數幾家公司，將會產生嚴重的文化單一性和資訊過濾問題。
"我們需要能說世界上所有語言、理解所有文化和價值體系的AI系統，這不可能來自少數幾個AI助手，而必須來自多樣化的AI助手生態系統。"
全球合作的願景
Yann LeCun提出了一個全球合作的願景，不同地區的研究機構和企業可以共同訓練基礎模型，應對訓練成本高的問題。在這個願景中，新加坡等國家可以作為亞洲的關鍵節點，貢獻區域特有的語言和文化資料。
"從歷史來看，軟體基礎設施最終都走向了開源。AI的未來也將如此，開源在AI領域勝出只是時間問題。"
結語：AI研究的未來方向
無獨有偶，昨天三大教父中的另一位——Geoffrey Hinton在CBS的訪談上，也談到現在的AI“不如貓”的判斷，也提到過他從小對直觀物理學的著迷。對於對當前被過度熱炒的LLM和生成式AI，他們都冷靜的提出來這種文字的高度推理，距離物理世界的模擬還相差甚遠。
如果LeCun的預測是正確的，那麼我們可能將在未來3-5年內見證AI領域的又一次範式轉變。這將為我們帶來能夠理解物理世界、進行複雜推理和規劃的AI系統，而這些能力，正是實現真正有用的智慧型手機器人和更廣泛AI應用的關鍵。
QA摘要
Q1：LLM沒價值嗎？
Yann LeCun：不是。LLM很實用（比如程式碼、文件、自動生成等）。但如果要追求“機器智能真正登堂入室”，LLM還遠不夠。它們可以作為輸出層、語言翻譯器，但核心的認知和推理基座，要靠其他架構來實現。
Q2：AI會讓大部分人失業嗎？作為年輕人該學什麼？
LeCun：不會讓所有人“失業”，但職業會改變。建議大家多學“長半衰期”的底層能力，比如物理、數學、計算思維。技術更迭是常態，有技術深度+快速學習能力，就能與AI共舞。
Q3：自動科學家、AI自動推動AI研究靠譜嗎？
LeCun：LLM類模型對科研有幫助，但在“理解”能力上很有限。AI自動產生新科學發現還遠遠不夠，必須有能建構世界模型的系統，而不僅是做NLP。
Q4：RL到底還值不值得做？
LeCun：強化學習樣本效率太低。可以作為微調，但指望RL實現通用智能，就是走偏了。
Q5：開源大模型對全球AI有多重要？
LeCun：極其重要。AI基礎架構不能只掌握在少數美中巨頭手中，否則就無法實現語言、文化、理念的多樣性。要形成全球合作開源社區，讓所有地區、群體都能定製自己的AI系統。 （JER學家）