Yann LeCun对LLM的审慎：通往世界模型与高级机器智能之路

摘要

在NVIDIA GTC 2025大会上，Meta首席AI科学家Yann LeCun对当前围绕大型语言模型的狂热提出审慎批评。他认为LLM通过生成海量词元序列进行推理的方式"过于简单"，将仅靠扩展LLM实现AGI的观点斥为"胡说八道"。LeCun的研究转向四大核心领域：理解物理世界、持久记忆、真正推理与规划能力。他提出"联合嵌入预测架构"（JEPA/JAPA）作为替代方案，通过在抽象表示空间而非像素层面进行预测，避免资源浪费。LeCun预测"高级机器智能"（AMI）需十年或更长时间实现，并坚定支持开源战略，认为专有平台终将消失。

内容框架与概述

文章开篇介绍了LeCun对当前AI热潮的独特立场。作为深度学习先驱和2018年图灵奖得主，他对业界普遍认为仅靠扩展LLM就能实现AGI的观点表示明确怀疑。他将LLM当前的推理方式比作"在不知道如何编写程序的情况下编写随机程序然后测试所有程序"，认为这种方法"完全没希望"。LeCun强调，理解物理世界远比处理离散语言符号困难，人类通过世界模型内隐理解物理运作方式，这是当前AI所缺乏的。

第二部分深入阐述LeCun提出的解决方案——联合嵌入预测架构（JEPA）。文章详细对比了像素级预测与表示级预测的本质区别：前者试图预测不可预测的细节，导致资源浪费；后者像婴儿观察世界一样，在抽象表示空间中学习物理可能性。LeCun团队基于像素重建的MAE模型因计算成本过高且效果不佳而被终止，而基于JEPA的V-JEPA模型则展现出更好的效果和效率。

文章最后探讨了时间表、开源策略与应用前景。LeCun预测AMI的核心技术有望在三到五年内取得小规模突破，但达到人类水平可能需要十年或更长时间。他以LLaMA为例证明开源的力量，预测基础模型将走向开源。在应用方面，LeCun预见AI将在科学、医疗、自动驾驶等领域产生革命性影响，并将AI视为赋予人类能力的工具，未来人机关系将是"人类是老板，AI是助手"。

核心概念及解读

世界模型（World Model）：指人类内隐的关于物理世界运作方式的心理模型，例如知道推瓶子不同部位会产生不同结果。LeCun认为当前AI缺乏这种对物理世界的理解，这是通往真正智能的关键障碍。

联合嵌入预测架构（JEPA/JAPA）：LeCun团队提出的替代架构，通过编码器将高维数据（如视频）转换为抽象表示，在表示空间而非输入空间进行预测。这种方法避免了像素级重建的资源浪费，更接近人类学习方式。

高级机器智能（AMI）：LeCun倾向于使用此术语替代"通用人工智能"（AGI），因为人类智能本身高度特化，“通用"是用词不当。他预测基于世界模型的AMI可能需要十年或更长时间实现。

离散性vs连续性：LLM处理的是离散词元（约10万种可能性），而物理世界是高维且连续的。LeCun指出，每次试图让系统通过预测像素级视频来理解世界的尝试都失败了，必须在表示层面进行预测。

开源战略：LeCun以LLaMA为例——一个由巴黎小团队进行的"海盗项目"最终胜过资源更雄厚的大项目——证明创新需要自由空间。他认为未来AI交互无处不在，需要多样化助手适应不同文化语言，这必须依赖开放平台。

原文信息

此摘要卡片由 AI 自动生成