在人工智能飞速发展的今天，我们似乎正站在一个新时代的门槛上。由AI驱动的文字生成、图像创作、代码编写，乃至日益逼近人类水平的对话能力，无不让人感叹科技的神奇。然而，在这片繁荣景象之下，总会有一些声音，以其独特的视角和深刻的洞察，为这场狂热注入一丝冷静。最近，人工智能领域的泰斗级人物杨立昆（Yann LeCun）便发表了一系列颇具分量的观点，对当前流行的“大模型即是终点”以及人形机器人“万能”的论调泼了“冷水”。他的话语，如同一面镜子，映照出AI发展道路上的挑战与机遇，值得我们深思。
杨立昆“泼冷水”：大模型难达人类智能，人形机器人道阻且长，世界模型或成突破口
1. 经典AI的“乐观主义”能走多远？大模型并非万能药
近年来，以GPT系列为代表的“大规模语言模型”（LLM）可谓风头无两。它们在各种任务上展现出的惊人能力，让许多人误以为，只要继续放大模型规模，就能触及人类智能的终点。然而，Jan LeCun，这位深度学习领域的先驱，却对此表示了深深的担忧。
他认为，当前的大模型，虽然在“模仿”和“记忆”方面表现出色，但它们本质上仍然是基于海量数据的统计模型。它们擅长识别模式，生成看起来合理的文本或图像，却缺乏真正的理解能力、推理能力以及常识。“它们并不能真正理解世界。” LeCun在采访中直言不讳。
他打了个比方，将大模型比作一个“超级文本预测器”。它可以通过学习海量文本，预测下一个词语，从而生成连贯的内容。但这种预测，并非建立在对世界运行机制的深刻认知之上。这种“知其然，不知其所以然”的特性，注定了大模型在面对需要真正推理、创造以及拥有深层世界观的任务时，会显得力不从心。
我们不难发现，尽管大模型在写诗、编故事、解答简单问题上表现优异，但在需要复杂逻辑推理、跨领域知识整合，或者对物理世界有直观理解的场景下，它们仍会犯下一些“常识性”错误，甚至给出令人啼笑皆非的答案。这恰恰印证了LeCun的观点：我们离真正的“智能”仍有相当长的距离。
2. 人形机器人：智能瓶颈，而非解放生产力的高效工具？
与大模型的热潮并行的是，人形机器人的研发也日益火爆。从特斯拉的Optimus到波士顿动力Atlas，仿佛一夜之间，拥有“人形”外表的机器人就成了未来劳动力的希望，能胜任各种危险、重复或繁琐的工作。
但LeCun同样给出了他的“冷静一击”。他指出，当前的人形机器人，其“智能”水平，与它们的外形并不匹配。 即使拥有了精致的机械结构，它们仍然需要强大的AI来驱动，而当前的AI（即前述的大模型）又面临着理解力的瓶颈。
“你需要对世界有一个非常好的理解，才能让一个机器人在复杂的环境中做出正确的决策。” LeCun强调。想象一下，一个机器人需要在家中打扫卫生，它不仅要识别“灰尘”和“扫帚”，更要理解“灰尘会飞扬”、“扫帚的作用是收集灰尘”、“地面是湿的还是干的”等等一系列关于物理和因果关系的知识。而现有的AI，在这方面仍显不足。
他认为，过分强调“人形”的外观，可能是一种误导。 真正的挑战在于赋予机器人足够强大的“智能”和“行动能力”，而不是仅仅让它们长得像人。目前，这些机器人更像是“昂贵的玩具”，离真正意义上的“解放生产力”，还有很长的路要走。
毋庸置疑，人形机器人的发展代表了工程技术的极致追求，它们在步态、平衡、精细操作等方面取得的进展令人惊叹。然而，就像一辆跑车拥有强大的引擎，如果缺乏精密的控制系统和对赛道的准确判断，它也难以驰骋赛场。AI的“大脑”，才是决定机器人最终价值的关键。
3. 世界模型：Re-imagine AI的下一站？
那么，突破口在哪里？LeCun的答案指向了“世界模型”（World Models）。
与当前基于大数据训练的“黑箱”模型不同，世界模型试图让AI“理解”世界是如何运作的。它不仅仅学习数据中的关联性，更重要的是去构建一个内在的、关于现实世界的模型。这个模型包含对物体、空间、因果关系、物理定律等的表征。
LeCun设想，一个拥有世界模型的AI，能够像婴儿一样，通过与环境的互动，不断学习、探索、预测。它能理解“如果我推这个积木，它会倒下”，或者“这个球会沿着抛物线落下”。这种基于物理和常识的理解，将是实现真正通用人工智能（AGI）的关键。
他提到，许多AI研究者正在朝着这个方向努力。通过强化学习、元学习等技术，结合对世界的基本规律的学习，AI有望摆脱对海量标记数据的依赖，发展出更强的泛化能力和自主学习能力。
杨立昆的这番“冷水”，并非否定现有AI发展的成就，而是以一种负责任的态度，指出了当下路径的局限性。大模型依然是AI发展的重要基石，但拥抱更深层次的理解，构建“世界模型”，或许才是通往真正人工智能的必经之路。未来的AI，需要从“模仿者”蜕变为“理解者”，从“预测者”进化为“思考者”。这场关于AI未来的探索，依然充满未知，但也正因如此，才更加令人期待。
