圖靈獎得主 LeCun：人類智能不是通用智能，下一代 AI 可能基于非生成式
人類智能并非通用智能。
我們的大腦是進化的產物，只擅長解決對生存有用的問題，而不是真正“通用”的計算……
在最新一檔播客節目中，Meta 首席 AI 科學家 & 圖靈獎得主 LeCun 發表了如上觀點。
他表示，AGI（通用人工智能）一詞非常具有誤導性，但人類智能本質是非通用的，它非常專業。
更有意思的是，當大家都在談論生成式 AI 時，他卻憑借直覺大膽預測：下一代 AI 的突破可能基于非生成式。
同時他還再次 cue 到了 DeepSeek，并直言對于這個走紅硅谷的新事物，他們這些長期深耕 AI 領域的人實則并不感到意外。
整場節目中，LeCun 與兩位主持人的討論涵蓋了從大語言模型 (LLMs) 的局限性到人工智能研究的下一個范式轉變等主題，重點關注了推理、規劃和世界建模等概念。
省流版如下：
LeCun 直覺認為，下一代 AI 的突破可能基于非生成式；
否認 AGI 會在未來兩年內實現，但十年內可能取得重大進展；
人類和動物的智能核心，不是語言，而是對物理世界的建模和行動規劃；
創新可以來自世界任何角落；
智能眼鏡代表著 AI 技術落地的一個重要方向。
與此同時，量子位在不改變原意的基礎上，對部分問題進行了翻譯整理。
“下一代 AI 可能基于非生成式”
Q：如何看待一邊是收益遞減，一邊是企業們紛紛押注生成式 AI？
LeCun：毫無疑問，生成式 AI 很有用，尤其是編程助手之類的。近來人們正在討論 Agent 系統，但它還并不完全可靠。
從技術演示到實際部署需要巨大跨越，類似 10 年前自動駕駛的困境 —— 初期演示驚艷，但規?；涞貥O難。
過去七十年，人工智能領域一直在重復這樣的歷史：人們提出一個新范式，然后宣稱這將達到人類智能水平，但每次都被證明是錯誤的。要么缺乏泛化性，要么被證明只擅長某個子任務而非通用任務。
所以，我們應該對它們進行大量投資，尤其是投向運行它們的大量基礎設施。實際上，大量資金都涌向了 AI 基礎設施，這并非為了訓練 AI，而是為了讓其運行起來服務潛在數十億用戶。
如今，如果我們需要達到人類智能水平，我們需要發明新技術。我們還遠未達到這一水平。
Q：人工智能下一步何在？應該把資源投向哪里？
LeCun：3 年前我寫了一篇文章《A Path Towards Autonomous Machine Intelligence》（通往自主機器智能的道路），闡述了未來十年 AI 研究的方向。
我認為，未來的 AI 必須具備幾個關鍵能力：
理解物理世界 —— 不僅僅是處理符號或文本，而是真正“懂”現實世界的運作規律；
具備推理和規劃能力 —— 能夠像人類一樣思考“如果這樣做，會發生什么”，并制定策略；
擁有持久記憶 —— 不是簡單的數據存儲，而是能像人類一樣長期積累和調用經驗；
安全可控 ——AI 必須嚴格遵循我們設定的目標，不能偏離或“自作主張”。
人類和動物的大腦里都有一個“世界模型”—— 它讓我們能預測現實世界的運行方式。比如，你扔出一個球，不用計算拋物線，大腦就能預測它的落點。這種能力讓我們能規劃行動，比如：“如果我現在左轉，會不會撞到那輛車？”
在 AI 領域，我們希望能讓機器也學會這種模型。但問題是：如何讓 AI 像嬰兒一樣，通過觀察世界來自主學習？
LLM 的成功證明了自監督學習的強大 —— 讓 AI 通過預測文本的下一個 token 來學習語言規律。但同樣的方法直接套用到視覺（比如預測視頻的下一幀）卻行不通，因為現實世界的可能性太多，無法像文字那樣用概率分布建模。
我們提出的解決方案是 JEPA（聯合嵌入預測架構），它不直接生成像素級的預測，而是在一個更抽象的“表征空間”里進行推理。這有點像人類的大腦 —— 我們不會在腦子里渲染每一幀畫面，而是用更高效的方式理解世界。
有趣的是，現在大家都在談論生成式 AI，但我的直覺是，下一代 AI 的突破可能會來自非生成式模型。
這就是我的思考方向 ——LLM 的爆發沒有改變它，反而讓我更堅信：AI 的下一個突破，在于讓機器真正“理解”世界，而不僅僅是生成內容。
“AI 的未來是像動物一樣思考”
Q：如何看待 AGI？
LeCun：我堅信未來必然會出現全面超越人類智能的機器系統 —— 這不是能否實現的問題，而是時間問題。
當前 AI 已經在特定領域展現出超越人類的能力（比如圍棋、圖像識別），但真正的挑戰在于構建能夠像生物一樣適應現實世界的智能體。
我必須指出，“AGI”這個詞具有誤導性。它暗示人類智能是“通用”的，而實際上，人類智能極其專業化。我們的大腦是進化的產物，只擅長解決對生存有用的問題，而不是真正“通用”的計算。
我們覺得自己“通用”，只是因為我們對無法理解的問題根本意識不到。所以，我更傾向于用“高級機器智能（AMI）”這個概念，它在 Meta 內部也被稱為“Ami”（法語“朋友”的意思），而不是誤導性的“AGI”。
我不認為 AGI（或 AMI）會在明年或未來兩年內實現。但十年內，我們可能會取得重大進展。當然，這取決于我們能否填補當前缺失的關鍵技術。
歷史告訴我們，AI 的突破總是比預期更難。比如，深度學習在 20 世紀 80 年代就被提出，但直到 2010 年后才真正爆發。所以，我保持謹慎樂觀 —— 我相信我們能成功，但絕不會像某些人想象的那么快。
今天的 AI（比如大語言模型）在某些任務上表現驚人，比如通過律師考試（本質是信息檢索）、生成代碼（語法嚴格，相對容易）、總結和改寫文本。
但它們有一個致命缺陷：無法解決從未見過的新問題。比如，讓最好的大語言模型去做最新的奧數題，它們幾乎得零分，因為它們沒有訓練過類似的題目。
更關鍵的是，它們沒有真正的推理能力。所謂的“思維鏈”（Chain-of-Thought）只是讓模型生成更多文本，而不是像人類那樣進行抽象推理。
人類和動物（比如貓、老鼠）的智能核心，不是語言，而是對物理世界的建模和行動規劃。例如：
空間推理：如果我讓你想象一個立方體旋轉 90 度，你能在腦中模擬，而不需要語言描述；
分層規劃：如果我要從紐約去巴黎，我不會一步步計算“先邁左腳還是右腳”，而是抽象成“打車 → 機場 → 飛機”；
動作學習：貓能學會開門、松鼠能記住藏食物的位置，它們沒有語言，但能通過觀察和嘗試掌握復雜技能。
這才是真正的智能，而今天的 AI 完全做不到這一點。
要讓 AI 達到動物（甚至人類）的智能水平，我們需要：
1、建立世界模型：讓 AI 能模擬物理規律（比如重力、物體互動）；
2、分層行動規劃：像人類一樣，從高層次目標分解到具體動作；
3、非語言推理：真正的智能不依賴語言，而是基于抽象表征；
4、適應不確定性：現實世界是混亂的、連續的，不像語言那樣結構化。
如果能讓 AI 達到貓的智能水平，就已經是巨大突破。今天的 AI 能在棋盤上擊敗人類，但一只貓對物理世界的理解，仍然遠超最先進的大語言模型。
我們離真正的人類級 AI 還有距離，但方向是明確的：不是讓 AI 更擅長語言，而是讓它像動物一樣理解世界、規劃行動。這需要全新的架構，而不僅僅是更大的語言模型。
我相信，未來十年，我們會看到重大進展 —— 但絕不會是“突然覺醒”的超級 AI，而是逐步接近生物智能的機器。
“我們對 DeepSeek 的出現并不意外”
Q：Meta 的人工智能策略是怎樣的？
LeCun：作為 Meta 的 AI 負責人，我想分享一下我們決定開源 LLaMA 系列模型的戰略思考。
這個決定源于幾個關鍵考量：首先，從倫理角度來看，開源是正確的事情。LLaMA 2 采用開源模式發布后，直接推動了整個 AI 生態系統的爆發式增長。這不僅惠及企業和初創公司，更重要的是讓學術界能夠真正參與到前沿研究中來。要知道，大學和研究機構通常根本沒有資源來訓練自己的基礎模型。
我們的開源策略實際上產生了兩個顯著效果：它確實影響了少數幾家閉源商業公司的利益（大家都知道是哪幾家），但它同時為成千上萬的企業和研究者創造了機會。
在教育領域，正如 Jeff 教授提到的，LLaMA 讓大學能夠運行、研究和改進這些模型。這種開放創新模式正是 AI 領域最需要的。
有些人可能會問：Meta 為什么要免費開放這么重要的技術？
這其實與我們的商業模式有關：我們不像某些公司直接靠 AI 技術本身盈利，Meta 的核心收入來自廣告。而廣告業務依賴于基于這些技術構建的高質量產品、社交網絡的網絡效應以及用戶規模和參與度。
所以，開源不僅不會損害我們的商業利益，反而能幫助我們建立更強大的生態系統。當更多人使用和改進這些技術時，最終也會反哺我們的產品。
在追求人類級 AI 的道路上，開源是加速突破的關鍵。這可能是人類面臨的最重大科技挑戰之一，沒有任何一家公司能壟斷所有創新。最近 DeepSeek 等開源項目的突破就證明了這一點 —— 它們讓硅谷大吃一驚，但我們這些長期參與開源的人并不感到意外。
我堅信以下幾點：
在 Meta，我們將繼續堅持開源策略，因為這是推動 AI 技術進步、實現真正創新的最佳途徑。我們期待與全球的研究者和開發者一起，共同邁向更智能的未來。
“智能眼鏡成技術落地重要方向”
Q：如何看待智能眼鏡等設備的出現？
LeCun：我認為智能眼鏡代表著 AI 技術落地的一個重要方向。
在我看來，未來的 AI 助手應該具備以下特點：
有趣的是，很多人擔心 AI 比人類聰明會帶來威脅，但我認為這反而是賦能。就像在科研或企業管理中，最理想的情況就是能找到比自己更優秀的人才一起工作。
最后，關于開源的重要性，我想強調就像 Linux 改變了互聯網基礎設施一樣，開源 AI 將重塑整個行業格局。
我預見未來會有成千上萬種不同的 AI 助手，它們將基于像 Meta 這樣的大公司提供的開源基礎模型，由全球各地的開發者進行定制開發。這種模式不僅能避免技術壟斷，更能促進真正的創新。
參考鏈接：
[1]https://www.youtube.com/watch?v=BytuEqzQH1U
[2]https://jasonhowell.substack.com/p/meta-ai-chief-yann-lacun-human-intellig
[3]https://aiinside.show/episode/yann-lecun-human-intelligence-is-not-general-intelligence
本文來自微信公眾號：量子位（ID：QbitAI），作者：一水
來源:IT之家
