图灵奖得主LeCun：AI新路径，超越大语言模型

“通向超级智能的路径，仅仅依赖于大语言模型的训练，是不可行的。”

近日，在《The Information Bottleneck》访谈中，主持人Ravid Shwartz-Ziv和Allen Roush与图灵奖得主Yann LeCun展开了一场深度对话。LeCun不仅解释了为何在65岁高龄仍选择创业，还对当前硅谷主流AI发展路径提出了尖锐的见解。

离开Meta后，LeCun正将个人学术声誉和职业“遗产”押注在一种截然不同的AI愿景上。他直言，业界对大语言模型规模化的过度追求，正在将AI引向一条看似高速实则封闭的死胡同。

LeCun认为，AI进步的关键并非如何逼近“人类级智能”，而是如何跨越“狗的智能水平”这一常被低估的门槛。在他看来，现实世界的理解、预测和行动能力远比生成流畅文本复杂得多，而现有以语言为核心的模型并未触及这一问题的本质。

基于这一判断，LeCun通过其新公司AMI推动“世界模型”的构建，旨在理解和预测世界。与主流生成模型不同，AMI的核心思路是在抽象表征空间中对世界运行规律进行建模和预测，从而提供更接近真实认知的基础能力。

这番表态凸显了LeCun与当前主流AI叙事之间的分歧。在行业普遍押注算力、数据和参数规模的背景下，他选择回到认知与感知的基本问题，试图重新定义通往通用人工智能的技术路径。

以下为访谈实录，经由InfoQ翻译及整理：

Ravid Shwartz-Ziv：您在Meta工作了12年后选择创业，专注于先进机器智能和世界模型研究。请问这种转变感觉如何？

Yann LeCun：离开Meta创立新公司，是因为我看到了当前AI投资热潮让长期研究型创业成为可能。我认为现在是时候在Meta之外继续推进我的研究方向。

Allen Roush：您的公司AMI是否计划以开放的方式进行研究？

Yann LeCun：是的。我认为，除非公开发表成果，否则不能称之为真正的研究。公开研究会激励科学家做出更好的研究，并有益于他们自身。

Ravid Shwartz-Ziv：那么您认为目前还缺少哪些关键部分？为什么这个过程花了这么长时间？

Yann LeCun：世界模型与大语言模型不同，旨在处理高维度、连续且含噪声的数据模态。要处理这类数据，不能依赖生成模型，而应学习一个抽象的表征空间。这是一个艰难但正确的方向。

LeCun还分享了自己对AI未来方向的看法，强调真正重要的是让模型学会抽象世界的结构，而不是背诵世界的表象。他预计，在5到10年内，我们或许能看到接近“狗水平”的智能系统。

关于安全问题，LeCun表示安全必须与发展同步进行。他反对依赖微调语言模型来解决安全问题，而主张转向以目标驱动为核心的AI架构。

最后，LeCun谈到了自己选择在65岁高龄仍创业的原因：提升世界上的“智能总量”是一件内在正确的事情。他的使命是通过机器智能服务人类变得更聪明。

参考链接：

https://www.youtube.com/watch?v=7u-DXVADyhc