Meta首席AI科学家、图灵奖得主Yann LeCun再次引起了人工智能领域的广泛关注。在与AI深度研究员的深度访谈中，LeCun坚定地表达了一个令人惊讶但又深刻的观点：现今最先进的AI系统，尽管能够在许多领域展现出令人瞩目的能力，但在理解和互动于真实世界方面，依然远远不如一只猫。这一观点不仅揭示了当前AI技术的局限性，也为我们指明了AI发展的未来方向。

一、从猫的智慧谈起

LeCun并没有从技术层面直接切入，而是以一个简单却极具启发性的例子为开端——猫的日常行为。对于许多人来说，猫的动作和行为似乎是最自然不过的事情。但在LeCun看来，猫的每一个小动作都蕴含着深刻的智能。

他举了一个例子：“你可以看到猫试图跳上家具时，它会先坐下来，摆动头部，规划自己的轨迹。”这一行为不仅仅是物理动作的组合，更是对环境的评估、对物理世界的理解、对未来动作的预测。猫通过这些细微的行为体现了出色的智能：它能够实时进行决策、推理、规划，并与环境互动。LeCun指出，这种智能能力是几乎每一只猫都具备的，而恰恰是我们目前的AI系统无法实现的。

在LeCun看来，猫不仅能够进行物理推理，还展现了主动的探索性。它们会打翻水杯、捉弄老鼠，这些行为背后展现了强烈的好奇心和自发的学习能力。相较于此，当前的AI系统虽然在语言理解、图像识别等任务上表现突出，但却缺乏猫一样的主动探索和自我学习的能力，这揭示了现有技术路径的根本性问题。

二、大型语言模型的局限性

随着AI领域的大语言模型（LLM）取得显著进展，许多人认为AI离实现“通用人工智能”越来越近。但LeCun对这一观点持不同看法。他认为，LLM虽然在语言处理方面表现出了非凡的能力，但它们对物理世界几乎没有任何理解。LeCun指出，LLM只是通过分析文本中的模式来进行语言预测，这种“模式匹配”的方式并不等同于对现实世界的理解。

举一个生活中的例子：虽然某些AI系统能够通过律师资格考试，但它们却无法完成简单的家务任务。这种现象揭示了一个悖论：AI可能在一些特定领域展现出卓越的专业能力，但却缺乏常识和对现实世界的基本理解。LeCun强调，AI真正的突破，可能并不在于继续扩大数据量或提高语言模型的规模，而是在于理解和推理物理世界的新技术路径。

LeCun进一步表示，LLM所依赖的大量数据和文本信息，虽然庞大，但并不足以支持真正的创新性突破。他提到，一个四岁小孩可能接触的信息量就远超LLM的训练数据。然而，即便如此庞大的数据量，LLM仍无法像人类一样进行深刻的理解与推理，这表明现有的架构在实现真正的人工智能方面依然存在巨大的缺陷。

三、重新审视AI的核心

LeCun的观点并非仅仅针对LLM的局限性，而是对整个AI发展的方向提出了挑战。他认为，当前的AI研究过于集中在语言理解和自然语言处理上，忽略了理解物理世界、进行推理和探索的基础能力。他提到，真正的AI应该像猫一样，不仅仅是一个强大的计算工具，更应该具备对世界的感知、推理和主动探索的能力。

LeCun提到了两种可能的突破路径：自监督学习和JEPA（联合嵌入预测架构）。自监督学习模拟了人类和动物的自然学习方式，即通过与世界的互动来自动获得知识，而无需依赖大量的标签数据。LeCun认为，这种学习方式将是未来AI发展的关键。

而JEPA架构则试图通过建立世界的“心理模型”来理解和预测物理世界的运作。LeCun举了一个例子来说明JEPA的核心理念：预测木星轨道所需要的只是六个关键数值——三个位置和三个速度，其它冗余的信息并不重要。JEPA的目标是去除无关的信息，找到最本质的规律，最终实现对物理世界的真正理解。

四、AI的商业布局与挑战

在当前AI技术的商业化布局中，LeCun指出，许多公司陷入了“沉没成本谬误”。因为已经在LLM领域投入了巨大的资源，许多企业不愿意承认其局限性，反而试图用LLM技术解决所有问题。然而，LeCun警告，这种过度集中资源的做法可能会错失其他更具突破性的技术机会，尤其是在需要物理推理和科学发现的领域。

LeCun提到，专门化的AI模型，特别是在蛋白质结构预测、分子相互作用研究等领域，往往能够取得更实质性的突破。因此，企业应避免将所有资源押注在大语言模型这一单一技术上，而应考虑多元化的技术组合，尤其是在那些对未来发展至关重要的方向上。

五、AI的安全性与发展路径

除了技术和商业层面的讨论，LeCun还深入探讨了AI系统的安全性问题。他指出，当前的大语言模型在安全性设计上存在根本性缺陷，尤其是容易被巧妙的提示绕过。这提示我们，AI的安全性不仅仅是技术实现上的问题，更是从系统架构本身的设计层面需要进行深刻反思。

LeCun提出了“目标驱动”架构的概念，即AI系统应该有一个完整的世界模型，并在决策过程中自动整合保护性约束。这种方式可以确保AI系统在追求目标的同时，能够考虑到安全和道德约束，避免产生不良后果。

六、展望未来

在访谈的最后，LeCun展望了AI的未来。他认为，AI将像15世纪的印刷机一样，推动人类社会的进步，带来巨大的福祉。但他也强调，AI的发展需要我们正确引导，不能仅仅追求规模和计算能力的突破，而应该致力于实现AI对物理世界的理解和推理能力。

LeCun提出，AI的最终目标不仅仅是复制人类智能，而是帮助我们更好地理解世界，解决人类面临的各种挑战。他对通用人工智能（AGI）提出了不同的看法，认为这个概念存在某些问题，过于笼统，没有充分考虑到人类智能的特殊性。他更倾向于使用“人类水平的AI”或者“AMI”来描述未来的AI目标。

尽管LeCun承认，AI的发展仍处于初期阶段，但他坚信，随着技术的进步，AI将变得越来越强大，能够为每个人带来更大的支持。未来的AI，不仅仅是商业领袖和学者的工具，更是每个人的得力助手。

LeCun的观点不仅挑战了当前AI技术的主流发展思路，也为我们未来的AI之路提供了重要启示。他提醒我们，不应仅仅关注眼前的技术热潮，而应该从长远角度审视AI的发展方向，推动真正的突破。AI的未来，可能不在于简单的扩展语言模型的规模，而在于开发能够理解和推理物理世界的新型架构，只有这样，我们才能真正接近“人工智能”的终极目标。

相关标签： AI LeCun LLM 理解 推理 物理 技术 世界 语言 模型