近日，Meta首席AI科学家杨立昆（Yann LeCun）在2025年人工智能行动峰会上，再次对生成式AI提出强烈批评，并强调，现有的大模型虽然在文本生成等任务上表现出色，但离实现真正的人工智能——具备人类智慧水平的AI——仍有很大差距。

生成式AI的局限性

杨立昆指出，尽管当前的生成式大模型（如大语言模型LLM）在诸如通过律师资格考试、解决数学问题等任务上表现出色，但它们无法执行日常生活中的基本任务，如做家务。对于AI而言，许多看似简单的动作，如洗碗或擦桌子，依然是无法解决的复杂问题。这些模型并未真正理解物理世界，只是通过模式识别和数据生成来模拟现象。

他还进一步批评道，生成式AI目前仅仅是在生成漂亮的图片，并不具备对视频内容的深刻理解。他强调，现有的生成视频模型并不真正理解物理法则，它们无法准确预测视频中的事件发生。与此相对，杨立昆支持的“联合嵌入预测架构（JEPA）”则认为，AI需要理解物理世界，只有在这基础上，AI才能真正接近人类智慧。

AI的未来：从文本到物理世界的认知

杨立昆对于AI发展的未来方向有着明确的见解。他提出，AI的发展不应仅局限于文本和数字的学习，而应该通过感知物理世界、理解常识和学习分层规划来提升智慧。他所提倡的高级机器智能（AMI）远离传统的“通用人工智能”（AGI）理念，AMI强调的是能够理解并操控现实世界的AI，这样的AI能够通过感知和记忆建立世界模型，并在此基础上进行推理和规划。

开源平台的关键作用

除了对AI技术本身的深刻反思，杨立昆还特别强调了开源平台在AI未来发展中的重要作用。他认为，未来的AI助手将成为人类与数字世界的桥梁，但这一目标无法由少数几家硅谷公司或中国公司独立完成。全球的合作，尤其是开源平台的构建，将是实现这一目标的关键。

他表示，开源模型正在逐渐超越闭源模型，强调在全球范围内共享AI技术是推动人工智能进步的有效途径。相反，任何一个国家或公司试图通过封闭研究来保持领先地位，最终都会被世界其他地区的开源技术超越。

对学术界的建议

对于学术界，杨立昆提出了不同的意见。他建议，如果学者希望推动人类智慧水平的AI研究，不应局限于研究生成式模型或大语言模型。他认为这些领域的研究竞争激烈，尤其是当今大规模的训练计算资源在大公司手中掌握，学术界应该聚焦于更有潜力的研究方向，像“JEPA”架构和复杂问题的推理方法等创新领域。

杨立昆的言论不仅针对了当前生成式AI的局限性，还指明了人工智能未来发展的方向——即从理解物理世界、具备常识推理的基础上发展出具备人类智慧水平的智能系统。同时，他强调了开源技术的重要性，认为全球合作与共享是推进AI发展的关键。

随着AI技术的飞速进步，如何突破当前的瓶颈、实现具备自主推理和世界理解能力的AI，依然是整个行业共同探索的难题。杨立昆的观点无疑为这个问题提供了新的思考方向，也为全球AI的发展带来了更深远的启示。

相关标签： AI 杨立 生成式 模型 开源 人工智能 世界 物理 智慧 理解