在最新一檔播客節(jié)目中，Meta首席AI科學(xué)家&圖靈獎(jiǎng)得主LeCun發(fā)表了如上觀點(diǎn)。

他表示，AGI（通用人工智能）一詞非常具有誤導(dǎo)性，但人類智能本質(zhì)是非通用的，它非常專業(yè)。

圖片

更有意思的是，當(dāng)大家都在談?wù)撋墒紸I時(shí)，他卻憑借直覺(jué)大膽預(yù)測(cè)：下一代AI的突破可能基于非生成式。

同時(shí)他還再次cue到了DeepSeek，并直言對(duì)于這個(gè)走紅硅谷的新事物，他們這些長(zhǎng)期深耕AI領(lǐng)域的人實(shí)則并不感到意外。

整場(chǎng)節(jié)目中，LeCun與兩位主持人的討論涵蓋了從大語(yǔ)言模型 (LLMs) 的局限性到人工智能研究的下一個(gè)范式轉(zhuǎn)變等主題，重點(diǎn)關(guān)注了推理、規(guī)劃和世界建模等概念。

省流版如下：

• LeCun直覺(jué)認(rèn)為，下一代AI的突破可能基于非生成式；
• 否認(rèn)AGI會(huì)在未來(lái)兩年內(nèi)實(shí)現(xiàn)，但十年內(nèi)可能取得重大進(jìn)展；
• 人類和動(dòng)物的智能核心，不是語(yǔ)言，而是對(duì)物理世界的建模和行動(dòng)規(guī)劃；
• 創(chuàng)新可以來(lái)自世界任何角落；
• 智能眼鏡代表著AI技術(shù)落地的一個(gè)重要方向。

與此同時(shí)，量子位在不改變?cè)獾幕A(chǔ)上，對(duì)部分問(wèn)題進(jìn)行了翻譯整理。

“下一代AI可能基于非生成式”

Q：如何看待一邊是收益遞減，一邊是企業(yè)們紛紛押注生成式AI？

LeCun：毫無(wú)疑問(wèn)，生成式AI很有用，尤其是編程助手之類的。近來(lái)人們正在討論Agent系統(tǒng)，但它還并不完全可靠。

從技術(shù)演示到實(shí)際部署需要巨大跨越，類似10年前自動(dòng)駕駛的困境——初期演示驚艷，但規(guī)?；涞貥O難。

過(guò)去七十年，人工智能領(lǐng)域一直在重復(fù)這樣的歷史：人們提出一個(gè)新范式，然后宣稱這將達(dá)到人類智能水平，但每次都被證明是錯(cuò)誤的。要么缺乏泛化性，要么被證明只擅長(zhǎng)某個(gè)子任務(wù)而非通用任務(wù)。

所以，我們應(yīng)該對(duì)它們進(jìn)行大量投資，尤其是投向運(yùn)行它們的大量基礎(chǔ)設(shè)施。實(shí)際上，大量資金都涌向了AI基礎(chǔ)設(shè)施，這并非為了訓(xùn)練AI，而是為了讓其運(yùn)行起來(lái)服務(wù)潛在數(shù)十億用戶。

如今，如果我們需要達(dá)到人類智能水平，我們需要發(fā)明新技術(shù)。我們還遠(yuǎn)未達(dá)到這一水平。

Q：人工智能下一步何在？應(yīng)該把資源投向哪里？

LeCun：3年前我寫了一篇文章《A Path Towards Autonomous Machine Intelligence》（通往自主機(jī)器智能的道路），闡述了未來(lái)十年AI研究的方向。

圖片

我認(rèn)為，未來(lái)的AI必須具備幾個(gè)關(guān)鍵能力：

• 理解物理世界——不僅僅是處理符號(hào)或文本，而是真正“懂”現(xiàn)實(shí)世界的運(yùn)作規(guī)律；
• 具備推理和規(guī)劃能力——能夠像人類一樣思考“如果這樣做，會(huì)發(fā)生什么”，并制定策略；
• 擁有持久記憶——不是簡(jiǎn)單的數(shù)據(jù)存儲(chǔ)，而是能像人類一樣長(zhǎng)期積累和調(diào)用經(jīng)驗(yàn)；
• 安全可控——AI必須嚴(yán)格遵循我們?cè)O(shè)定的目標(biāo)，不能偏離或“自作主張”。

人類和動(dòng)物的大腦里都有一個(gè)“世界模型”——它讓我們能預(yù)測(cè)現(xiàn)實(shí)世界的運(yùn)行方式。比如，你扔出一個(gè)球，不用計(jì)算拋物線，大腦就能預(yù)測(cè)它的落點(diǎn)。這種能力讓我們能規(guī)劃行動(dòng)，比如：“如果我現(xiàn)在左轉(zhuǎn)，會(huì)不會(huì)撞到那輛車？”

在AI領(lǐng)域，我們希望能讓機(jī)器也學(xué)會(huì)這種模型。但問(wèn)題是：如何讓AI像嬰兒一樣，通過(guò)觀察世界來(lái)自主學(xué)習(xí)？

LLM的成功證明了自監(jiān)督學(xué)習(xí)的強(qiáng)大——讓AI通過(guò)預(yù)測(cè)文本的下一個(gè)token來(lái)學(xué)習(xí)語(yǔ)言規(guī)律。但同樣的方法直接套用到視覺(jué)（比如預(yù)測(cè)視頻的下一幀）卻行不通，因?yàn)楝F(xiàn)實(shí)世界的可能性太多，無(wú)法像文字那樣用概率分布建模。

我們提出的解決方案是 JEPA（聯(lián)合嵌入預(yù)測(cè)架構(gòu)），它不直接生成像素級(jí)的預(yù)測(cè)，而是在一個(gè)更抽象的“表征空間”里進(jìn)行推理。這有點(diǎn)像人類的大腦——我們不會(huì)在腦子里渲染每一幀畫面，而是用更高效的方式理解世界。

有趣的是，現(xiàn)在大家都在談?wù)撋墒紸I，但我的直覺(jué)是，下一代AI的突破可能會(huì)來(lái)自非生成式模型。

這就是我的思考方向——LLM的爆發(fā)沒(méi)有改變它，反而讓我更堅(jiān)信：AI的下一個(gè)突破，在于讓機(jī)器真正“理解”世界，而不僅僅是生成內(nèi)容。

“AI的未來(lái)是像動(dòng)物一樣思考”

Q：如何看待AGI？

LeCun：我堅(jiān)信未來(lái)必然會(huì)出現(xiàn)全面超越人類智能的機(jī)器系統(tǒng)——這不是能否實(shí)現(xiàn)的問(wèn)題，而是時(shí)間問(wèn)題。

當(dāng)前AI已經(jīng)在特定領(lǐng)域展現(xiàn)出超越人類的能力（比如圍棋、圖像識(shí)別），但真正的挑戰(zhàn)在于構(gòu)建能夠像生物一樣適應(yīng)現(xiàn)實(shí)世界的智能體。

我必須指出，“AGI”這個(gè)詞具有誤導(dǎo)性。 它暗示人類智能是“通用”的，而實(shí)際上，人類智能極其專業(yè)化。我們的大腦是進(jìn)化的產(chǎn)物，只擅長(zhǎng)解決對(duì)生存有用的問(wèn)題，而不是真正“通用”的計(jì)算。

我們覺(jué)得自己“通用”，只是因?yàn)槲覀儗?duì)無(wú)法理解的問(wèn)題根本意識(shí)不到。所以，我更傾向于用“高級(jí)機(jī)器智能（AMI）”這個(gè)概念，它在Meta內(nèi)部也被稱為“Ami”（法語(yǔ)“朋友”的意思），而不是誤導(dǎo)性的“AGI”。

我不認(rèn)為AGI（或AMI）會(huì)在明年或未來(lái)兩年內(nèi)實(shí)現(xiàn)。但十年內(nèi)，我們可能會(huì)取得重大進(jìn)展。當(dāng)然，這取決于我們能否填補(bǔ)當(dāng)前缺失的關(guān)鍵技術(shù)。

圖片

歷史告訴我們，AI的突破總是比預(yù)期更難。比如，深度學(xué)習(xí)在20世紀(jì)80年代就被提出，但直到2010年后才真正爆發(fā)。所以，我保持謹(jǐn)慎樂(lè)觀——我相信我們能成功，但絕不會(huì)像某些人想象的那么快。

今天的AI（比如大語(yǔ)言模型）在某些任務(wù)上表現(xiàn)驚人，比如通過(guò)律師考試（本質(zhì)是信息檢索）、生成代碼（語(yǔ)法嚴(yán)格，相對(duì)容易）、總結(jié)和改寫文本。

但它們有一個(gè)致命缺陷：無(wú)法解決從未見(jiàn)過(guò)的新問(wèn)題。比如，讓最好的大語(yǔ)言模型去做最新的奧數(shù)題，它們幾乎得零分，因?yàn)樗鼈儧](méi)有訓(xùn)練過(guò)類似的題目。

更關(guān)鍵的是，它們沒(méi)有真正的推理能力。所謂的“思維鏈”（Chain-of-Thought）只是讓模型生成更多文本，而不是像人類那樣進(jìn)行抽象推理。

人類和動(dòng)物（比如貓、老鼠）的智能核心，不是語(yǔ)言，而是對(duì)物理世界的建模和行動(dòng)規(guī)劃。例如：

• 空間推理：如果我讓你想象一個(gè)立方體旋轉(zhuǎn)90度，你能在腦中模擬，而不需要語(yǔ)言描述；
• 分層規(guī)劃：如果我要從紐約去巴黎，我不會(huì)一步步計(jì)算“先邁左腳還是右腳”，而是抽象成“打車→機(jī)場(chǎng)→飛機(jī)”；
• 動(dòng)作學(xué)習(xí)：貓能學(xué)會(huì)開門、松鼠能記住藏食物的位置，它們沒(méi)有語(yǔ)言，但能通過(guò)觀察和嘗試掌握復(fù)雜技能。

這才是真正的智能，而今天的AI完全做不到這一點(diǎn)。

要讓AI達(dá)到動(dòng)物（甚至人類）的智能水平，我們需要：

1、建立世界模型：讓AI能模擬物理規(guī)律（比如重力、物體互動(dòng)）；2、分層行動(dòng)規(guī)劃：像人類一樣，從高層次目標(biāo)分解到具體動(dòng)作；3、非語(yǔ)言推理：真正的智能不依賴語(yǔ)言，而是基于抽象表征；4、適應(yīng)不確定性：現(xiàn)實(shí)世界是混亂的、連續(xù)的，不像語(yǔ)言那樣結(jié)構(gòu)化。

如果能讓AI達(dá)到貓的智能水平，就已經(jīng)是巨大突破。 今天的AI能在棋盤上擊敗人類，但一只貓對(duì)物理世界的理解，仍然遠(yuǎn)超最先進(jìn)的大語(yǔ)言模型。

我們離真正的人類級(jí)AI還有距離，但方向是明確的：不是讓AI更擅長(zhǎng)語(yǔ)言，而是讓它像動(dòng)物一樣理解世界、規(guī)劃行動(dòng)。這需要全新的架構(gòu)，而不僅僅是更大的語(yǔ)言模型。

我相信，未來(lái)十年，我們會(huì)看到重大進(jìn)展——但絕不會(huì)是“突然覺(jué)醒”的超級(jí)AI，而是逐步接近生物智能的機(jī)器。

“我們對(duì)DeepSeek的出現(xiàn)并不意外”

Q：Meta的人工智能策略是怎樣的？

LeCun：作為Meta的AI負(fù)責(zé)人，我想分享一下我們決定開源LLaMA系列模型的戰(zhàn)略思考。

這個(gè)決定源于幾個(gè)關(guān)鍵考量：首先，從倫理角度來(lái)看，開源是正確的事情。LLaMA 2采用開源模式發(fā)布后，直接推動(dòng)了整個(gè)AI生態(tài)系統(tǒng)的爆發(fā)式增長(zhǎng)。這不僅惠及企業(yè)和初創(chuàng)公司，更重要的是讓學(xué)術(shù)界能夠真正參與到前沿研究中來(lái)。要知道，大學(xué)和研究機(jī)構(gòu)通常根本沒(méi)有資源來(lái)訓(xùn)練自己的基礎(chǔ)模型。

我們的開源策略實(shí)際上產(chǎn)生了兩個(gè)顯著效果：它確實(shí)影響了少數(shù)幾家閉源商業(yè)公司的利益（大家都知道是哪幾家），但它同時(shí)為成千上萬(wàn)的企業(yè)和研究者創(chuàng)造了機(jī)會(huì)。

在教育領(lǐng)域，正如Jeff教授提到的，LLaMA讓大學(xué)能夠運(yùn)行、研究和改進(jìn)這些模型。這種開放創(chuàng)新模式正是AI領(lǐng)域最需要的。

有些人可能會(huì)問(wèn)：Meta為什么要免費(fèi)開放這么重要的技術(shù)？

這其實(shí)與我們的商業(yè)模式有關(guān)：我們不像某些公司直接靠AI技術(shù)本身盈利，Meta的核心收入來(lái)自廣告。而廣告業(yè)務(wù)依賴于基于這些技術(shù)構(gòu)建的高質(zhì)量產(chǎn)品、社交網(wǎng)絡(luò)的網(wǎng)絡(luò)效應(yīng)以及用戶規(guī)模和參與度。

所以，開源不僅不會(huì)損害我們的商業(yè)利益，反而能幫助我們建立更強(qiáng)大的生態(tài)系統(tǒng)。當(dāng)更多人使用和改進(jìn)這些技術(shù)時(shí)，最終也會(huì)反哺我們的產(chǎn)品。

在追求人類級(jí)AI的道路上，開源是加速突破的關(guān)鍵。這可能是人類面臨的最重大科技挑戰(zhàn)之一，沒(méi)有任何一家公司能壟斷所有創(chuàng)新。最近DeepSeek等開源項(xiàng)目的突破就證明了這一點(diǎn)——它們讓硅谷大吃一驚，但我們這些長(zhǎng)期參與開源的人并不感到意外。

圖片

我堅(jiān)信以下幾點(diǎn)：

• 創(chuàng)新可以來(lái)自世界任何角落
• 沒(méi)有人能壟斷好點(diǎn)子（除了那些自我感覺(jué)特別良好的人）
• 過(guò)去十年AI的快速發(fā)展，很大程度上要?dú)w功于代碼和知識(shí)的開放共享

在Meta，我們將繼續(xù)堅(jiān)持開源策略，因?yàn)檫@是推動(dòng)AI技術(shù)進(jìn)步、實(shí)現(xiàn)真正創(chuàng)新的最佳途徑。我們期待與全球的研究者和開發(fā)者一起，共同邁向更智能的未來(lái)。

“智能眼鏡成技術(shù)落地重要方向”

Q：如何看待智能眼鏡等設(shè)備的出現(xiàn)？

LeCun：我認(rèn)為智能眼鏡代表著AI技術(shù)落地的一個(gè)重要方向。

在我看來(lái)，未來(lái)的AI助手應(yīng)該具備以下特點(diǎn)：

• 全天候陪伴：像真正的助手一樣隨時(shí)待命；
• 多感官交互：能夠”看到”和”聽到”用戶所處的環(huán)境（在獲得許可的前提下）；
• 專業(yè)化分工：不是單一助手，而是一組各有所長(zhǎng)的虛擬助手團(tuán)隊(duì)。

有趣的是，很多人擔(dān)心AI比人類聰明會(huì)帶來(lái)威脅，但我認(rèn)為這反而是賦能。就像在科研或企業(yè)管理中，最理想的情況就是能找到比自己更優(yōu)秀的人才一起工作。

最后，關(guān)于開源的重要性，我想強(qiáng)調(diào)就像Linux改變了互聯(lián)網(wǎng)基礎(chǔ)設(shè)施一樣，開源AI將重塑整個(gè)行業(yè)格局。

我預(yù)見(jiàn)未來(lái)會(huì)有成千上萬(wàn)種不同的AI助手，它們將基于像Meta這樣的大公司提供的開源基礎(chǔ)模型，由全球各地的開發(fā)者進(jìn)行定制開發(fā)。這種模式不僅能避免技術(shù)壟斷，更能促進(jìn)真正的創(chuàng)新。

參考鏈接：
[1]https://www.youtube.com/watch?v=BytuEqzQH1U
[2]https://jasonhowell.substack.com/p/meta-ai-chief-yann-lacun-human-intellig
[3]https://aiinside.show/episode/yann-lecun-human-intelligence-is-not-general-intelligence