图灵奖得主与诺奖得主交锋：大模型路线能否通向AGI？

近日，图灵奖得主、深度学习之父Yann LeCun在播客中发表惊人言论，直指大模型路线为“胡扯”，并断言其无法通向真正的通用智能（AGI）。

LeCun毫不留情地批判了当下最主流的AI发展路径，认为这条路继续堆大语言模型、用更多合成数据去喂模型、再雇成千上万的人在后训练阶段手把手“教”系统，同时辅以强化学习的小修小补，完全不可行。

作为深度学习的奠基者之一，LeCun的这番话无疑是对整个AI产业的一次重击。他推翻了当前产业界普遍认同的发展方向，直言“这等于说，你们都别干了，前面死路一条”。

然而，DeepMind创始人Hassabis迅速站出来反驳，指出LeCun混淆了“通用智能”（General Intelligence）与“普适智能”（Universal Intelligence）的概念。他认为，人类大脑本身就是高度通用的系统，尽管在具体任务上并非最优。

马斯克也转帖并站队Hassabis，认为他说得完全正确。Hassabis的反驳将问题引向了更根本的层面：我们到底在讨论什么样的智能？

LeCun在Hassabis的反驳帖子下面留言，认为二者的分歧主要在于用词。他还用数学、计算复杂性来证明自己的观点，认为人类大脑本身其实是高度特化（专门化）的系统，因此不能用“通用”来指代“人类水平”。

这场辩论不仅关乎技术路线的对错，更是关系到未来十年AI技术发展的豪赌。LeCun即将离开Meta，创办AMI Labs，押注一种与大模型完全不同的路线；而Hassabis领导的DeepMind则在大模型通往AGI的道路上加速前进。

LeCun的见解

大模型并不能实现AGI

在LeCun看来，当前硅谷主流的通往超级智能的路线，在理论和实践上都站不住脚。他认为这条路线本质上是在用“规模”掩盖“结构上的问题”，通过把模型堆得更大、用更多数据喂养、再用人工后训练一点点纠偏。

尽管短期内这会让模型变得更强，但这并不意味着正在逼近真正的通用智能。此外，他还反对用“通用”这个词去指代“人类智能”，认为人类本身其实是高度甚至极端专门化的。

LeCun还提出了一个工程师的比喻：在理论上，一个只有两层的神经网络可以把任何函数逼近到任意精度，但在现实中，真正有意义的函数往往需要多到不可接受的隐藏单元。因此，才需要采用多层网络，这正是深度学习存在的根本原因。

Hassabis的反击

你打错了靶心

Hassabis并没有直接否定LeCun的数学推断，只是说他打错了靶心——混淆了“通用智能”与“普适智能”的概念。LeCun所否定的只是“普适智能”，即在所有任务上都达到接近最优的性能。

而“通用智能”则是指同一个系统能否在完全不同的任务之间迁移、学习、适应。从这个角度看，图灵机是一个很好的理论假设。Hassabis认为大脑是目前在宇宙中所知道的最精妙、也最复杂的现象（至少到现在为止），而且它们本身就是高度通用的。

Hassabis还回应了LeCun关于棋手的评论，认为人类能够发明出国际象棋本身就是一个奇迹，何况还能在此基础上达到顶尖水平。因此，人脑本就是一个宇宙级的“通用AI”，具备无限学习潜能。

五年后

答案或将浮出水面

这场争论之所以引人注目，不仅是因为两位当事人在AI界的巨大影响力以及他们所代表的不同技术路线，更是因为它关乎未来AI技术的发展方向。

LeCun宣布即将离开Meta后，就马不停蹄地为“下一场战役”做准备。与此同时，他也选择远离硅谷的一切。在他看来，硅谷正被“LLM”洗脑的单一文化所主导。

因此，在断定大模型此路不通后，LeCun决定创办自己的研究型初创公司AMI Labs，专注于构建“世界模型”。而Hassabis带领的DeepMind则实现了AlphaGo、AlphaFold等一系列历史性的突破，正在一步步探索通往AGI的可能性。

五年后，我们可能会发现其中一方是对的，也许他们会在某个意想不到的地方汇合。无论结果如何，这场争论的意义在于启发我们如何理解“智能”本身。

参考资料：

https://x.com/demishassabis/status/2003097405...