撰文：Techub News 整理
导语
2025 年 4 月，Meta 首席 AI 科学家、图灵奖得主 Yann LeCun（杨立昆）做客知名播客 AI Inside，与主持人 Jason 和 Jeff 进行了一场长达 46 分钟的深度对话。作为深度学习领域的奠基人之一，LeCun 以其对技术发展冷静、务实的判断而著称。在当前生成式 AI 与大语言模型（LLM）席卷全球、业界对通用人工智能（AGI）的讨论甚嚣尘上之际，他的观点尤为值得关注。本次对话中，LeCun 不仅尖锐地指出了 LLM 的天花板，更系统阐述了他心中通往更高级机器智能的必由之路——构建能理解物理世界的“世界模型”。
摘要
- LLM 有用但非终极答案：LLM 在代码助手等特定领域价值显著，但其基于自回归预测的机制存在根本局限，无法可靠处理真实世界复杂任务。
- 人类智能远非“通用”：所谓“通用智能”是误导性概念，人类智能高度特化，由进化塑造以解决生存相关任务，AI 的目标应是实现“人类级别智能”。
- 下一代 AI 需构建“世界模型”：实现人类级别智能的关键在于让机器像人类和动物一样，通过观察学习物理世界的运作规律，形成可预测和规划的内部心理模型。
- 开源是加速创新的核心策略：Meta 开源 Llama 系列模型旨在激活全球创新生态，这对促进学术研究、催生多元化 AI 应用及防止技术垄断至关重要。
- 未来属于“智能助手群”：终极产品形态是围绕个人的多个智能助手，它们将中介所有数字交互，其多样性（语言、文化、价值观）是健康生态的基石。
LLM 的辉煌与局限：我们为何尚未触及智能核心
对话伊始，主持人便抛出了当前 AI 界的核心矛盾：一方面，以 OpenAI 为代表的公司凭借 LLM 技术获得破纪录融资，行业热情高涨；另一方面，包括 Yann LeCun（杨立昆）在内的许多研究者却不断强调 LLM 的局限性，认为其回报正在递减。对此，LeCun 首先肯定了 LLM 的实用性，特别是在代码助手等场景。但他随即指出，从令人惊艳的演示到真正可靠、可供日常使用的系统，其间存在巨大鸿沟。他以自动驾驶为例，十年前就有演示，但至今仍未达到人类水平的可靠性。
LeCun 回顾了 AI 七十年的发展史，指出一种反复出现的模式：每当有新范式出现（如专家系统、深度学习），人们便宣称“就是它了，十年内机器将成为地球上最聪明的实体”。然而每次预言都落空了，因为新范式要么遇到了未曾预见的限制，要么只是擅长解决某个子类问题，而非真正的通用智能问题。LLM 很可能正面临类似的局面。
“我不想贬低 LLM，它们很有用，值得投资。” LeCun 强调，投资大部分流向了运行 LLM 的基础设施，而非训练本身。就像所有计算机技术一样，即使达不到人类智能水平，LLM 也可以很有用。但如果我们以人类级别智能为目标，“我们需要发明新技术。我们还远未达到那个水平。”
主持人 Jeff 提到，LeCun 曾将当前最先进的 AI 系统类比为“聪明的猫”或“三岁小孩”。LeCun 甚至认为这个评价可能过高了。他指出，尽管 LLM 能通过律师考试、总结文本、生成代码，但这些能力很大程度上依赖于在训练数据中见过的模式。当面对全新的、未曾见过的问题时——例如最新的数学奥林匹克竞赛题目——最好的 LLM 表现也近乎为零。这暴露了当前系统缺乏真正理解和解决新问题的能力。
LeCun 犀利地指出，LLM 操纵语言的能力让我们误以为它们很聪明，因为我们习惯将语言能力与智慧挂钩。然而，真正的考验在于现实世界：“我的家用机器人在哪里？我的 L5 级自动驾驶汽车在哪里？能做出猫那样行为的机器人（哪怕是模拟的）又在哪里？” 问题的关键不是造不出具有相应物理能力的机器人，而是无法让它们足够“聪明”。处理现实世界、产生实际动作的系统，远比处理语言的系统要复杂得多，因为现实世界是混乱、不可预测、非确定性的连续高维空间。
通往人类级别智能之路：世界模型与非生成式架构
那么，研究应该走向何方？LeCun 透露，早在三年前（即 LLM 席卷全球之前），他就撰写了一篇长文，勾勒了未来十年 AI 研究的方向，而这一愿景并未因 LLM 的成功而改变。他认为，要实现人类级别智能，机器需要具备四个关键能力：理解物理世界、进行推理与规划、拥有持久记忆，以及安全可控。
这一切的核心是一个称为“世界模型”的概念。人类和动物大脑中都有一个世界模型，它是一个心理模型，允许我们预测世界将发生什么，或者我们采取某个行动会带来什么后果。如果我们能预测行动的后果，那么当我们设定一个目标时，就可以利用世界模型来“想象”特定的行动序列是否能实现该目标，这就是规划和推理的本质——心理学家称之为“系统 2”的深思熟虑的思维过程。
在机器人学和控制理论中，类似的概念被称为“模型预测控制”，即通过方程预测行动后果并优化行动序列。但关键区别在于，对于通用 AI 系统，这个世界模型必须能从经验或观察中学习，就像婴儿通过观察学习世界如何运作一样。这部分是目前最难复现的。
LeCun 认为，实现这一目标可以基于一个简单原则：自监督学习。这正是 LLM 成功的基础——通过预测文本中的下一个词来训练。我们可以设想将这一原则应用于图像和视频，训练一个大型神经网络预测视频的下一帧或后续发展。如果系统能学好并做出准确预测，就意味着它理解了物理世界的许多底层规律。
然而，直接套用文本预测的方法到视频上却行不通。预测下一帧太简单，学不到有用东西；预测长期发展又极其困难，因为视频中有太多可能性。文本预测之所以可行，是因为词典大小有限，可以预测所有词的概率分布。但对于视频，我们不知道如何表示所有可能图像或视频帧的合适概率分布，这在数学上是难以处理的。
大约五六年前，LeCun 及其团队提出了一个解决方案：改变架构思路。不再预测视频中的所有细节，而是训练系统学习视频的一种“表示”，并在这个表示空间中进行预测。 这种表示会过滤掉视频中不可预测或无用的细节。这种架构被称为“联合嵌入预测架构”（JEPA）。
LeCun 透露了一个可能令人惊讶的观点：“我的直觉是，下一代 AI 系统将基于非生成式模型。” 在当前所有人都在谈论生成式 AI 的浪潮中，这无疑是一个反主流的前瞻性判断。JEPA 正是这样一种非生成式架构的代表，它专注于学习数据的抽象表示和它们之间的关系，而非生成具体的像素或词汇。
AGI 迷思与开源哲学：为何多样性是未来关键
对于业界热炒的“AGI”概念，LeCun 直言不讳地称之为“无稽之谈”，并且极具误导性。他认为，如果 AGI 指的是“像人类智能一样通用”的智能，那么这个说法本身就错了，因为“人类智能根本不通用，它极度特化。” 人类被进化塑造成只擅长完成与生存相关的任务。我们无法构想那些我们无法处理的问题，这反而让我们误以为自己拥有通用智能。在 Meta 内部，他们更倾向于使用“高级机器智能”或直接称为“人类级别智能”。
LeCun 坚信，未来某个时刻，机器在人类擅长的所有领域至少会与人类一样聪明，甚至更聪明。但这不会发生在明年或后年，可能在十年内取得一定进展。“如果目前我们正在研究的所有方向都取得成功，那么也许十年后，我们就能更好地判断是否能实现那个目标。” 他保持乐观，但强调这很可能比我们想象的更难，AI 史上的每一次突破都比预期更艰难。
话题转向 Meta 的开源策略。主持人 Jeff 盛赞开源 Llama 模型对学术界和创业生态的巨大推动作用，并询问其背后的战略思考。LeCun 明确表示，开源 Llama 对少数几家（暗指闭源商业公司）来说是“搅局者”，但对成千上万的公司和研究者来说是“赋能者”。从伦理角度看，这显然是正确之举，它极大地激活了整个 AI 生态系统。
LeCun 指出，Meta 的最终产品愿景是构建 AI 助手，甚至是一组 AI 助手，它们可能常驻于智能眼镜中，与我们随时相伴。为了让这些助手发挥最大效用，它们需要达到人类级别的智能。而实现这一目标，是当今世界面临的最大科技挑战之一，需要汇聚全球的智慧。“好点子可能来自世界任何地方。” 他提到近期 DeepSeek 的崛起令硅谷惊讶，但在开源世界看来却不足为奇，这正是开源理念的验证。
他批评了某些地区（暗指硅谷部分人士）存在的“极度膨胀的优越感”，认为没有人能垄断好创意。AI 过去十几年的快速发展，正是得益于代码和科学信息的共享。而 Meta 的商业模式依赖于广告和社交网络的网络效应，而非直接售卖 AI 技术本身，因此开源技术不仅无害，反而有益。
展望未来，LeCun 描绘了一幅图景：我们与数字世界的绝大多数交互将由 AI 系统中介。搜索引擎可能会被直接与 AI 助手对话所取代。更重要的是，作为全球公民，没有人会希望自己的信息食谱仅由美国西海岸或中国少数几家公司打造的 AI 助手来提供。 我们需要高度多样化的 AI 助手，它们能说各种语言（包括小众方言），理解不同的文化、价值体系和偏见。这就像我们需要多元化的媒体一样。
实现这种文化多样性的唯一现实途径，就是让世界各地的人们能够基于强大的开源基础模型来构建自己的助手，因为他们没有资源从头训练模型。LeCun 预见，市场压力将促使 AI 基础模型走向开源和免费，就像互联网的软件基础设施（Linux 和商用硬件）最终战胜了专有系统一样。AI 基础模型将成为类似互联网基础设施的存在，由大型公司或国际联盟训练，但开放给全球创新者在其之上构建丰富多彩的应用。这，才是 Yann LeCun（杨立昆）所坚信的、能够引领我们走向真正高级机器智能的健康生态。
