•
AI六巨頭罕見同台！李飛飛激辯LeCun，黃仁勳：你們都錯了
【新智元導讀】AI革命真實不虛，但通往終局的地圖，連繪製它的人都一無所知。近日，Yann LeCun、李飛飛、黃仁勳、Geoffrey Hinton、Bill Dally，以及Yoshua Bengio六位AI領域的頂尖人物，因共獲伊麗莎白女王工程獎而齊聚一堂，展開了一場關於人工智能的巔峰對話。
人類群星閃耀之時！
當這6個人聚在一起，坐而論道的時候，你就知道事情並不簡單！
這次訪談非常寶貴，能把這6位AI天團巨佬湊在一起。
本周，輝達CEO黃仁勳、Meta首席AI科學家Yann LeCun，以及頂尖電腦科學家Yoshua Bengio、Geoffrey Hinton、李飛飛和Bill Dally共同榮獲本年度伊麗莎白女王工程獎。
在這次訪談中，大佬們各自分享了自己職業生涯中的頓悟時刻。
這些「啊哈」時刻不僅為他們指明了研究方向，也徹底改變了人類社會科技的方向。
而這次6個人都圍繞著一個核心問題展開激辯：
我們人類，是真的處於一場真實的AI產業革命之中？還是AI是一個即將破裂的，史上最大的泡沫？
四十年等待，只為一個「頓悟」時刻
主持人說他們是這個星球上最傑出、最有影響力的6個人。
這絕非誇大其詞。
這場AI革命從何而來？
答案不是某個天才的靈光一閃，而是一群人的漫長堅守。
思想的火花，在40年前就已點燃。
AI教父Geoffrey Hinton回憶起1984年，他用當時極其簡陋的計算機，訓練一個微型模型來預測序列中的下一個詞。
「我發現它竟然能學到字的意思！」他說。
這，就是今天所有大語言模型最原始的雛形。
一個在黑暗中被點亮的、穿越了40年時光的想法。
Yann LeCun則坦言，年輕時是個「懶惰」的工程師，不想一行行程式設計去創造智能，而是著迷於「讓機器自己學會智能」。
這個看似偷懶的想法，正是機器學習的核心哲學。
但光有想法還不夠，革命需要燃料和引擎。
時間來到2006年，當時還是年輕教授的李飛飛發現，所有演算法都受困於一個問題：數據太少了。
一個孩子在成長中會看到大量的訊息，而我們的機器卻在資料荒中挨餓。
於是，她和團隊做了一件在當時看來無比瘋狂的事——耗時三年，手動標註了1500萬張圖片，創建了名為ImageNet的數據集。
這桶「燃料」被澆灌到AI領域後，瞬間引燃了整個產業。
同時，在輝達，黃仁勳和他的同事們也在打造一個越來越強大的「引擎」。
他們最初為遊戲設計的GPU，意外地被發現是進行深度學習計算的完美工具。
2010年，在一個歷史性的早餐上，史丹佛的吳恩達教授告訴輝達的科學家Bill Dally，他用了16,000個CPU在網路上辨識貓。
Bill Dally和同事回去後，用短短48個GPU就復現了實驗。
那一刻，他頓悟了：「我們應該為深度學習製造專門的GPU。」
這些故事串在一起，就是一部AI誕生的「前傳」：
思想的火花在AI寒冬中，早已點燃，只待數據的燃料和算力的引擎到位，一場革命便無可阻擋。
六人頓悟時刻（精華版）
Yoshua Bengio
- 讀到Hinton早期論文。直覺：或許有如物理定律般的簡單原則解釋智能、建造智能機。
- ChatGPT出現兩年半後警覺：機器理解語言、有目標、卻難控。若更聰明或被濫用怎麼辦？於是轉向安全與對策研究。
Bill Dally
- 90年代末「內存牆」頓悟：用「流」連接內核，做更多算術、少訪存。為GPU計算奠基。
- 2010年與吳恩達早餐：Google用16000 CPU找「貓」。受其啟發，2011年與同事用48 GPU復現。
- 結果驚人：下定決心讓GPU專用於深度學習，並持續優化。
Geoffrey Hinton
- 1984年做小型語言模型：用反向傳播預測下一個詞。模型自動學到詞義特徵及交互作用。思想與今天的LLM相同，只是很小、樣本僅100。
- 阻礙在於算力與數據不足。但當時並不自知。
Jensen Huang（黃仁勳）
Fei-Fei Li（李飛飛）
Yann LeCun（楊立昆）
好了，歷史講完，回到當下最尖銳的問題：
輝達市值衝上雲霄，全世界都在談論AI，這一切到底是真實的價值，還是另一個網路泡沫？
對此，黃仁勳給了一個堪稱絕妙的答案。
在21世紀初的網路泡沫時期，整個產業鋪設了巨量的光纖，但其中絕大多數都是未被點亮的「暗光纖」，需求遠遠跟不上建造。
而今天，幾乎你能找到的每一塊GPU，都在被點亮並投入使用。
為什麼？因為AI從根本上改變了「價值」的生產方式。
老黃表示，我們正在創造一個全新的產業，一個智慧工廠。
過去的軟體是「工具」，你買來使用即可。
而AI，第一次，成為了「生產力」本身。它不是內容，而是即時生成的智慧。
你不能提前生產好智能，再把它存起來。
每次你問ChatGPT問題，它都在為你「生產」答案。
這個生產過程，需要龐大的運算能力，就像工廠需要機器和電力一樣。
因此，我們需要價值數千億美元的「AI工廠」（資料中心），來服務一個建立在智慧之上的、價值數兆美元的全新產業。
我們正處於建構這個產業的初期，怎麼會是泡沫呢？
換句話說，這是繼農業革命、工業革命之後，一場全新的「智慧革命」的基建時期。
我們正處於為新世界鋪設水力發電煤氣管道的階段，而需求，才剛開始。
不過李飛飛和LeCun當場還進行了一場「辯論」。
李飛飛強調AI仍然是一個非常年輕的領域，除了語言之外，還存在著廣闊的「空間智能」等前沿領域有待開拓。
Yann LeCun則指出，泡沫在於「認為目前的大語言模式範式最終能夠發展到人類層級的智慧」這個想法，他個人並不相信，並認為需要根本性的突破。
終極的未來，「人類級AI」還有多遠？
這是整場對話最精彩的高潮。
當被問及「我們離那種與人類相當的智慧還有多遠」時，桌邊的六位大腦，給出了六幅截然不同的未來圖景。
「務實派」黃仁勳
這個問題不重要，而且它已經發生了。
已有足夠“通用智能”轉化為大量有用應用。
是否「人類級」並不重要；關鍵在於持續應用解決重大問題。
他認為，我們已經擁有了足夠強大的AI，可以解決大量現實問題。
糾結於一個學術上的「奇點」定義沒有意義。
科技正在以驚人的速度進步，我們應該專注於應用它。
「合作派」Bill Dally
這壓根就是個錯誤的問題。
他說，我們的目標從來不是創造AI來取代人類，而是「增強」人類。
就像飛機一樣，它會飛，但它和鳥的飛行方式完全不同。
AI將是我們強大的助手，幫助我們處理我們不擅長的事（例如記住22,000種物體），讓我們能專注於創造、共感等獨屬於人類的領域。
AI 擅長分類、解難題；人類擅長創作、同理心、社交。
是否「人類級」並不確定，但助力巨大。
「開拓派」李飛飛：
她認為我們甚至還沒搞懂「智能」的全貌。
機器將在部分維度「超人」（如辨識2.2 萬物體、翻譯百種語言），但不會與人類智慧同形。
像飛機會飛，但不像鳥。
人類智能仍是核心。
她提醒我們，人類的智能遠不止語言。
我們在空間感知、與物理世界互動方面的能力，是今天最強的AI也望塵莫及的。
她說，AI作為一門學科才70多年，物理學已經400多年了。
「還有廣闊的前沿等待我們去征服。」
「懷疑派」Yann LeCun
靠現在這條路，走不到終點。
不會是單一時刻。不同能力會漸進擴展。未來5–10 年或出新範式，整體會比想像更久。
他直言不諱地指出，當前的大語言模型範式，無法通往真正的人類級智慧。
我們需要一些「根本性的突破」，才能創造出那怕和貓一樣聰明的機器人。
「我們仍然缺失了某些非常重要的東西。」
「預言派」Geoffrey Hinton
他給了一個具體的時間──20年。
這位AI教父用一個非常具體的標準定義了問題：「多久以後，你和一台機器辯論，它永遠都能贏你？」
他的答案是：「我相當肯定，在20年內我們會做到。」
「敬畏派」Yoshua Bengio
充滿不確定性，但警惕指數級加速。
他認為最終AI可做「幾乎人類能做的一切」。
但時間高度不確定，人類應做好預案。
他認為未來難以預測，但有一個「遊戲規則改變者」──當AI開始具備自己研究AI的能力。
那時，AI將成為自己的「加速器」，自我迭代的速度可能遠超乎我們的想像。
AI時代傑出的6個人
雖然這些大佬都無人不知，無人不曉，但還是簡單介紹一下他們。
這六位大佬涵蓋了從硬體、體系結構、平行計算、基礎理論與演算法到大規模視覺資料等多個維度，他們的貢獻協同推動了今日AI與工程系統的巨大飛躍。
Jensen Huang，黃仁勳，輝達聯合創辦人兼執行長。從3D圖形時代起便領導輝達，並推動了人工智慧運算平台的轉型。
Yann LeCun，楊立昆，法國電腦科學家，現任Meta首席AI科學家，長期兼任紐約大學（NYU）教授。他是現代深度學習史上的重要人物之一。
Geoffrey Hinton，傑佛瑞·辛頓，被譽為「深度學習之父/人工智慧教父」之一。老爺可以說是現在AI領域第一人，任何介紹都多餘。
Yoshua Bengio，約書亞‧本吉奧，加拿大電腦科學家、蒙特婁大學教授、蒙特婁學習演算法研究所（MILA）科學主任，被稱為深度學習的關鍵人物之一。
Fei-Fei Li，李飛飛，在電腦視覺、大規模資料集建設和以人為本的AI方面影響深遠。主導創建了著名的大規模視覺資料庫ImageNet。
Bill Dally，比爾‧達利，美國電腦科學家、教育家，曾任麻省理工學院教授、史丹佛大學系主任，後來加入輝達擔任首席科學家和資深副總裁。他在高性能並行電腦體系結構、互聯網、路由/同步/通訊機制等方面做出基礎性研究。
(新智元)