撰文：Techub News 整理
导语
2025 年 3 月，Meta 首席 AI 科学家、图灵奖得主 Yann LeCun（杨立昆）做客知名科技播客《Big Technology Podcast》，与主持人 Alex Kantrowitz 进行了一场深度对话。在近一小时的访谈中，LeCun 以他一贯的清晰和批判性思维，剖析了当前以大语言模型（LLM）为主导的 AI 热潮背后的根本局限。作为深度学习先驱和 Meta AI 的掌舵人，LeCun 的观点不仅基于深厚的学术研究，也反映了产业最前沿的思考。他直言不讳地指出，LLM 无法实现真正的科学发现或创新，并阐述了为何以及如何通过全新的架构（如他提出的 JEPA）来迈向具备理解、推理和规划能力的下一代 AI 系统。本次对话是理解当前 AI 发展瓶颈与未来方向的重要窗口。
摘要
- LLM 本质是“复读机”：大语言模型仅能基于训练数据的统计规律进行检索和重组，无法进行真正的推理、规划或提出新问题，因此不可能实现自主的科学发现。
- 规模扩大无法通向 AGI：仅靠增加数据和算力来扩展 LLM，无法达到人类水平的人工智能（AGI）。当前范式已现收益递减，亟需架构层面的根本性革新。
- 理解物理世界是关键瓶颈：人类和动物通过视觉等感官直接学习“常识”和世界如何运作。AI 需要能从视频等非文本数据中学习抽象的世界模型，才能进行可靠的预测和规划。
- “联合嵌入预测架构”（JEPA）是出路之一：LeCun 团队正在研究的 JEPA 等非生成式架构，旨在让 AI 学习世界的抽象表征，从而忽略不可预测的细节，专注于对可能性的高层级预测，这是实现推理和规划的基础。
- 开源加速创新，AGI 不会一蹴而就：开源社区在推动 AI 进步上效率更高，DeepSeek 等成果即是例证。AGI 的实现将是渐进过程，依赖于全球研究社区的集体智慧，而非某个公司的“秘密武器”。
LLM 的“阿喀琉斯之踵”：为何无法诞生爱因斯坦？
访谈始于一个尖锐的问题：为何生成式 AI 已“吞下”人类几乎全部知识，却未能做出任何独立的科学发现？Yann LeCun（杨立昆）的回答直指核心：“从 AI 的角度说，可以；但从大语言模型的角度说，不行。” 他解释道，LLM 的训练基于海量文本，其本质是学习并“复述”符合训练数据统计规律的答案。它们擅长信息检索和重组，甚至能产生令人惊艳的文本，但在最纯粹的形式下，它们“完全无法发明新事物”。
LeCun 引用了他与 Hugging Face 联合创始人 Thomas Wolf 的讨论。Wolf 曾指出，要创造“数据中心里的爱因斯坦”，需要的不是一个知晓所有答案的系统，而是一个能提出“无人想过或敢问”之问题的系统。LeCun 对此表示完全赞同，并强调“以目前的形式，LLM 做不到这一点”。他比喻道，人类大脑中负责语言输出的布罗卡区（Broca‘s area）很小，就像是我们的“LLM”。但真正的思考发生在更广阔的脑区，我们通过心理表征和世界模型进行思考，这恰恰是 LLM 所缺失的“真正的智能”。
他将智能能力分为三个层次：记忆与检索、解决问题（给定问题，找到方案）以及最高级的提出正确问题。LLM 只在第一层表现出色，在第二层（解决新问题）表现不佳，在第三层（提出新问题）则完全无能为力。这也是为什么他认为，即使一个 LLM 能像博士一样回答问题，它也并非真正的博士，因为它缺乏发明新解决方案的核心能力。
“推理”的幻觉与物理理解的缺失
当主持人提及当前 AI 领域正试图为 LLM 添加“推理”能力，例如通过“思维链”（Chain-of-Thought）技术时，LeCun 指出了其中的根本局限。他认为，这些方法只是在现有范式上“打补丁”，试图通过让模型生成更多中间令牌（tokens）来分配更多计算资源，但“这并不能产生真正的推理”。
LeCun 阐述了古典 AI 中对“推理”的经典定义：在可能的解决方案空间中搜索，直到找到满足约束条件的解。而 LLM 内部完全没有这种搜索机制。当前一些方法让 LLM 生成大量答案序列，再由另一个系统挑选最佳答案，这就像随机生成代码指令然后测试哪个能运行一样，效率极低，并非真正的推理。
更关键的是，人类和动物的推理并非发生在“令牌空间”（即语言文本）。我们是在内心操纵对世界的心理模型来进行推理和规划的。LeCun 举了一个生动的例子：想象一个漂浮的立方体，将其沿垂直轴旋转90度，你立刻能“看到”结果——它看起来和原来一样。这种基于抽象、连续空间的心理模拟，是 LLM 完全无法实现的。
对于近期一些 AI 视频生成模型（如 Sora）似乎表现出对物理世界的理解，LeCun 持怀疑态度。他认为这更多是针对特定场景（如人类动作）收集大量数据训练的结果，而非对物理规律的真正理解。他举例说，如果让系统生成“汽车撞上干草堆”的视频，可能会出现干草堆从引擎盖里长出来的荒谬画面。这暴露了系统缺乏对物体持久性、因果关系等基本物理常识的理解。“通过生成像素来理解世界，这不是正确的路径。” LeCun 总结道。
数据墙与投资热潮背后的隐忧
LeCun 明确表示，当前 LLM 的发展正在接近“收益递减”的拐点。模型已经使用了近乎整个互联网的公开文本数据进行训练（约10^13至10^14个令牌）。虽然可以通过合成数据或雇佣专家（如 PhD）来生成更多数据填补空白，但成本飙升而收益增长有限。“我们需要一个新的范式。”
他特别指出了当前热门的“智能体”（Agentic Systems）概念面临的尴尬：人人都在谈论，但除了让系统复现训练过的模式外，没人真正知道如何构建能解决全新问题的智能体。这需要系统具备面对新情况时“零样本”或快速学习解决问题的能力，如同人类学开车，初期需要全神贯注（系统二），熟练后则变为下意识行为（系统一）。
面对全球涌入 AI 领域的巨额投资（如 OpenAI、Anthropic 的数十亿美元融资），LeCun 提醒人们注意“时间线错配”的风险。他斩钉截铁地表示：“仅通过扩大 LLM 的规模，我们绝对无法达到人类水平的 AI……两年内绝无可能（no way in hell）。” 那种认为很快就能在数据中心里拥有“天才国度”的想法被他斥为“完全胡说八道”。
不过，他也分析了大型科技公司（如 Meta、微软、谷歌）投资的合理性：大部分资金流向了推理所需的基础设施建设。例如，Meta 计划年底前通过智能眼镜、独立应用等让10亿用户用上 Meta AI，这需要巨大的计算资源。因此，即使新范式革命没有在未来两三年内到来，这些基础设施投资仍有其市场和价值，属于不得不做的战略布局。
然而，对于企业级应用，问题更为棘手。LeCun 承认，当前 AI 系统在从“惊艳演示”到“可靠部署”的“最后一英里”上面临巨大挑战，就像自动驾驶领域十年来的困境一样。系统可能存在5%的幻觉率，而这未知的5%错误在关键企业应用中是不可接受的。他回顾了历史上 AI 的起伏周期，如1980年代的专家系统热潮及其后的“AI 寒冬”，暗示如果期望过高而进展不及预期，行业可能再次面临调整。但他也强调，这次的基础更为坚实，应用也更广泛。
新范式初探：JEPA 与学习世界模型
那么，LeCun 心目中的新范式是什么？他将其核心概括为四个关键能力：理解物理世界、拥有持久记忆、能够推理、能够规划。这要求 AI 能够像婴儿一样，从视频等自然传感器数据中学习“常识”，而非仅仅从人类生产的文本中学习。
LeCun 指出，一个孩子在大约四年的清醒时间里，通过视觉接收的数据量（约10^14字节）与最大规模 LLM 的训练数据量级相当。但孩子在这期间学会了直观物理学的全部基础（重力、物体持久性、动量守恒等），而 LLM 却难以掌握。这凸显了文本信息的“贫瘠”以及从丰富感官数据中学习的必要性。
他介绍了其团队长期致力的解决方案：“联合嵌入预测架构”（Joint Embedding Predictive Architecture, JEPA）。这源于他对“自监督学习”的深入研究。LLM 是自监督学习在文本上的成功特例：通过预测下一个词来学习。但将同样的生成式、重建式方法应用于图像或视频时，效果不佳，因为在高维连续空间中表示所有可能性的概率分布极其困难。
JEPA 则采取了不同的路径。它不是生成或重建像素，而是学习数据的抽象表征（嵌入）。具体而言，系统同时处理完整图像（或视频）和经过掩码遮挡的版本，分别通过编码器得到它们的抽象表征，然后训练一个预测器，根据遮挡版本的表征来预测完整版本的表征。关键在于，系统学习的是在抽象表征空间中进行预测，从而自动忽略那些不可预测的底层细节（如一滴水下落的精确轨迹），专注于高层级、本质的预测（如水会洒出来）。
LeCun 透露，他们在视频上的 JEPA（V-JEPA）已取得积极进展。当系统在大量自然视频上训练后，给它播放一段物理上不可能的视频（如物体凭空消失），模型的预测误差会急剧飙升，这表明它已经内化了一些关于世界可能性的“常识”。更进一步的，动作条件化的 JEPA 可以让系统学习“状态-动作-结果”的模型，从而在抽象空间中预测行动后果，并逆向搜索达成目标的最优行动序列——这才是真正的规划和推理。
他强调，JEPA 这类架构是让机器获得“世界模型”的关键一步，而世界模型是实现可靠推理、规划和真正智能体的基石。他预测，这方面的实质性进展可能需要3到5年时间，并将是一个渐进的过程，而非某个突然的突破。
开源的力量与 AGI 的未来之路
在访谈最后，LeCun 简短而有力地表达了对开源 AI 的坚定支持。当被问及像 DeepSeek 这样的开源模型是否已超越专有模型时，他表示“超越”一词或许过于强烈，但“开源世界的进步无疑更快”。
他指出，开源模式能汇聚全球的智慧与创意，没有任何一个实体能垄断好的想法。DeepSeek 的成功表明，一个拥有长期视野和宽松约束的小团队，完全可以催生出颠覆性的新思路。而开源分享则能让整个生态加速前进。在商业部署上，许多客户在原型阶段可能使用专有 API，但在生产环境中往往会转向 Llama 等开源引擎，因其成本更低、更安全、可控，且可本地部署。
LeCun 也驳斥了所谓“开源会帮助竞争对手（如中国）”的狭隘观点。他以2015年最具影响力的深度学习论文之一“ResNet”出自微软亚洲研究院（北京）为例，说明顶尖科学家和创意遍布全球。首个 Llama 模型也来自 Meta 在巴黎的小团队。“硅谷并不垄断好的创意。” 他认为，要想科学技术快速发展，必须利用全世界多元化的思想和创造力，而开源正是实现这一点的最佳方式。
关于 AGI（通用人工智能）的未来，LeCun 的展望是务实而开放的：它不会是一个由某个公司突然揭晓的“秘密武器”，也不会是“前一天没有 AGI，后一天就有了”的孤立事件。AGI 将是一个持续的、渐进的过程，由全球研究社区共同推动，融合众多理念，并在试错中前进。那些分享研究成果的人，将比那些封闭的人走得更快。这或许正是 Yann LeCun（杨立昆）——这位“AI 教父”——在喧嚣的技术热潮中，为我们指出的那条通向真正智能的、更加坚实可靠的道路。
