全球AI大神Yann LeCun：人工智能还没那么神，人脑更胜一筹！你怎么看？
2025-09-18
在人工智能（AI）的热潮中，Meta首席AI科学家Yann LeCun提出了一个颠覆性的观点：尽管AI技术取得了巨大进步，但机器永远无法完全超越人类智能。LeCun，作为AI领域的领军人物之一，对当前的大语言模型（LLMs）提出了批评，认为大语言模型在推理、规划、持久记忆和理解物理世界方面存在根本性局限。他进一步阐述了“目标驱动AI”的概念，强调AI系统需要通过与物理世界的互动来学习，而非仅仅依赖文本数据。LeCun的这一立场挑战了科技界对通用人工智能（AGI）的乐观预期，并提醒我们，在追求AI技术发展的同时，必须认识到其固有的局限性。Meta首席人工智能科学家Yann LeCun认为，大语言模型（LLMs）永远无法达到人类级别的智能。尽管当前围绕通用人工智能（AGI）的炒作如火如荼，几乎每天都有新闻宣称计算机系统将在各种认知任务上超越人类，但并非所有人都对此持乐观态度。过去一个月内，科技界三位重量级人物——英伟达CEO黄仁勋预测AGI将在五年内实现，被誉为“AGI之父”的Ben Goertzel预计仅需三年，而埃隆·马斯克则一如既往地大胆预测这一转折点将在2025年底到来。然而，Yann LeCun作为Meta的首席AI科学家和图灵奖得主，是这一乐观论调的显著怀疑者。被称为人工智能三巨头之一的LeCun甚至断言：“不存在所谓的AGI，因为人类智能远非通用！”，LeCun更倾向于探索通往“人类级别AI”的道路，但他认为这仍然是一个遥远的目标。LeCun指出，当前AI系统面临的四个关键认知挑战是：推理、规划、持久记忆以及理解物理世界。他指出：“这些是人类智能——实际上也是动物智能——所具备的四个基本特征，而当前的AI系统尚无法做到。”缺乏这些能力使得AI应用受限且容易出错。自动驾驶车辆仍不适宜在公共道路上行驶，家用机器人难以完成基本家务，我们的智能助手只能执行基础任务。这些问题在大语言模型（LLMs）中尤为突出。LeCun认为，LLMs因其过度依赖单一形式的人类知识（即文本）而严重受限。“我们很容易被其语言流畅性所迷惑，误以为它们具有智能，但实际上它们对现实的理解非常肤浅。”他说，“它们的确有用，这一点毋庸置疑。但在通往人类级别智能的道路上，LLM实质上是一个岔道、一种干扰，一个死胡同。”诸如Meta的LLaMA、OpenAI的GPT-4以及谷歌的Bard（Gemini 是Bard 背后的AI技术）等模型，均基于海量数据进行训练。LeCun表示，一个人要读完大语言模型LLMs摄入的所有文本，大约需要花费10万年的时间。但这并不是我们主要的学习方式。我们通过与世界的互动获取远超文本的信息。LeCun估计，一个典型的四岁儿童所接触的数据量比全球最大的大语言模型LLMs多出50倍。“大部分人类知识实际上并非语言，因此这些系统永远无法达到人类级别的智能——除非你改变其架构。”LeCun说。当然，这位63岁的科学家也提出了另一种架构，他称之为“目标驱动AI”。目标驱动的智能系统旨在实现由人类设定的具体目标。它们并非仅依靠纯文本喂养成长，而是通过传感器和视频数据训练来了解物理世界。这种设计产生的“世界模型”能够展示行动的后果，并在系统的内存中更新所有可能的变化。例如，如果将椅子推到房间左侧或右侧会有什么不同？通过经验学习，最终状态逐渐变得可预测，从而使机器能够规划完成各种任务所需的步骤。LeCun对于这一前景抱有信心，但认为这一过程将耗时长久。“最终，机器将超越人类智能……只是这需要一段时间，”他说，“通用人工智能AGI不会马上出现，也绝对不像埃隆·马斯克说的那样2025年就能实现！”
京公网安备00000000000000号