人类智能并非通用智能。
我们的大脑是进化的产物，只擅长解决对生存有用的问题，而不是真正“通用”的计算……
在最新一档播客节目中，Meta 首席 AI 科学家 & 图灵奖得主 LeCun 发表了如上观点。
他表示，AGI（通用人工智能）一词非常具有误导性，但人类智能本质是非通用的，它非常专业。
更有意思的是，当大家都在谈论生成式 AI 时，他却凭借直觉大胆预测：下一代 AI 的突破可能基于非生成式。
同时他还再次 cue 到了 DeepSeek，并直言对于这个走红硅谷的新事物，他们这些长期深耕 AI 领域的人实则并不感到意外。
整场节目中，LeCun 与两位主持人的讨论涵盖了从大语言模型 (LLMs) 的局限性到人工智能研究的下一个范式转变等主题，重点关注了推理、规划和世界建模等概念。
省流版如下：
LeCun 直觉认为，下一代 AI 的突破可能基于非生成式；
否认 AGI 会在未来两年内实现，但十年内可能取得重大进展；
人类和动物的智能核心，不是语言，而是对物理世界的建模和行动规划；
创新可以来自世界任何角落；
智能眼镜代表着 AI 技术落地的一个重要方向。
与此同时，量子位在不改变原意的基础上，对部分问题进行了翻译整理。
“下一代 AI 可能基于非生成式”
Q：如何看待一边是收益递减，一边是企业们纷纷押注生成式 AI？
LeCun：毫无疑问，生成式 AI 很有用，尤其是编程助手之类的。近来人们正在讨论 Agent 系统，但它还并不完全可靠。
从技术演示到实际部署需要巨大跨越，类似 10 年前自动驾驶的困境 —— 初期演示惊艳，但规模化落地极难。
过去七十年，人工智能领域一直在重复这样的历史：人们提出一个新范式，然后宣称这将达到人类智能水平，但每次都被证明是错误的。要么缺乏泛化性，要么被证明只擅长某个子任务而非通用任务。
所以，我们应该对它们进行大量投资，尤其是投向运行它们的大量基础设施。实际上，大量资金都涌向了 AI 基础设施，这并非为了训练 AI，而是为了让其运行起来服务潜在数十亿用户。
如今，如果我们需要达到人类智能水平，我们需要发明新技术。我们还远未达到这一水平。
Q：人工智能下一步何在？应该把资源投向哪里？
LeCun：3 年前我写了一篇文章《A Path Towards Autonomous Machine Intelligence》（通往自主机器智能的道路），阐述了未来十年 AI 研究的方向。
我认为，未来的 AI 必须具备几个关键能力：
理解物理世界 —— 不仅仅是处理符号或文本，而是真正“懂”现实世界的运作规律；
具备推理和规划能力 —— 能够像人类一样思考“如果这样做，会发生什么”，并制定策略；
拥有持久记忆 —— 不是简单的数据存储，而是能像人类一样长期积累和调用经验；
安全可控 ——AI 必须严格遵循我们设定的目标，不能偏离或“自作主张”。
人类和动物的大脑里都有一个“世界模型”—— 它让我们能预测现实世界的运行方式。比如，你扔出一个球，不用计算抛物线，大脑就能预测它的落点。这种能力让我们能规划行动，比如：“如果我现在左转，会不会撞到那辆车？”
在 AI 领域，我们希望能让机器也学会这种模型。但问题是：如何让 AI 像婴儿一样，通过观察世界来自主学习？
LLM 的成功证明了自监督学习的强大 —— 让 AI 通过预测文本的下一个 token 来学习语言规律。但同样的方法直接套用到视觉（比如预测视频的下一帧）却行不通，因为现实世界的可能性太多，无法像文字那样用概率分布建模。
我们提出的解决方案是 JEPA（联合嵌入预测架构），它不直接生成像素级的预测，而是在一个更抽象的“表征空间”里进行推理。这有点像人类的大脑 —— 我们不会在脑子里渲染每一帧画面，而是用更高效的方式理解世界。
有趣的是，现在大家都在谈论生成式 AI，但我的直觉是，下一代 AI 的突破可能会来自非生成式模型。
这就是我的思考方向 ——LLM 的爆发没有改变它，反而让我更坚信：AI 的下一个突破，在于让机器真正“理解”世界，而不仅仅是生成内容。
“AI 的未来是像动物一样思考”
Q：如何看待 AGI？
LeCun：我坚信未来必然会出现全面超越人类智能的机器系统 —— 这不是能否实现的问题，而是时间问题。
当前 AI 已经在特定领域展现出超越人类的能力（比如围棋、图像识别），但真正的挑战在于构建能够像生物一样适应现实世界的智能体。
我必须指出，“AGI”这个词具有误导性。它暗示人类智能是“通用”的，而实际上，人类智能极其专业化。我们的大脑是进化的产物，只擅长解决对生存有用的问题，而不是真正“通用”的计算。
我们觉得自己“通用”，只是因为我们对无法理解的问题根本意识不到。所以，我更倾向于用“高级机器智能（AMI）”这个概念，它在 Meta 内部也被称为“Ami”（法语“朋友”的意思），而不是误导性的“AGI”。
我不认为 AGI（或 AMI）会在明年或未来两年内实现。但十年内，我们可能会取得重大进展。当然，这取决于我们能否填补当前缺失的关键技术。
历史告诉我们，AI 的突破总是比预期更难。比如，深度学习在 20 世纪 80 年代就被提出，但直到 2010 年后才真正爆发。所以，我保持谨慎乐观 —— 我相信我们能成功，但绝不会像某些人想象的那么快。
今天的 AI（比如大语言模型）在某些任务上表现惊人，比如通过律师考试（本质是信息检索）、生成代码（语法严格，相对容易）、总结和改写文本。
但它们有一个致命缺陷：无法解决从未见过的新问题。比如，让最好的大语言模型去做最新的奥数题，它们几乎得零分，因为它们没有训练过类似的题目。
更关键的是，它们没有真正的推理能力。所谓的“思维链”（Chain-of-Thought）只是让模型生成更多文本，而不是像人类那样进行抽象推理。
人类和动物（比如猫、老鼠）的智能核心，不是语言，而是对物理世界的建模和行动规划。例如：
空间推理：如果我让你想象一个立方体旋转 90 度，你能在脑中模拟，而不需要语言描述；
分层规划：如果我要从纽约去巴黎，我不会一步步计算“先迈左脚还是右脚”，而是抽象成“打车 → 机场 → 飞机”；
动作学习：猫能学会开门、松鼠能记住藏食物的位置，它们没有语言，但能通过观察和尝试掌握复杂技能。
这才是真正的智能，而今天的 AI 完全做不到这一点。
要让 AI 达到动物（甚至人类）的智能水平，我们需要：
1、建立世界模型：让 AI 能模拟物理规律（比如重力、物体互动）；
2、分层行动规划：像人类一样，从高层次目标分解到具体动作；
3、非语言推理：真正的智能不依赖语言，而是基于抽象表征；
4、适应不确定性：现实世界是混乱的、连续的，不像语言那样结构化。
如果能让 AI 达到猫的智能水平，就已经是巨大突破。今天的 AI 能在棋盘上击败人类，但一只猫对物理世界的理解，仍然远超最先进的大语言模型。
我们离真正的人类级 AI 还有距离，但方向是明确的：不是让 AI 更擅长语言，而是让它像动物一样理解世界、规划行动。这需要全新的架构，而不仅仅是更大的语言模型。
我相信，未来十年，我们会看到重大进展 —— 但绝不会是“突然觉醒”的超级 AI，而是逐步接近生物智能的机器。
“我们对 DeepSeek 的出现并不意外”
Q：Meta 的人工智能策略是怎样的？
LeCun：作为 Meta 的 AI 负责人，我想分享一下我们决定开源 LLaMA 系列模型的战略思考。
这个决定源于几个关键考量：首先，从伦理角度来看，开源是正确的事情。LLaMA 2 采用开源模式发布后，直接推动了整个 AI 生态系统的爆发式增长。这不仅惠及企业和初创公司，更重要的是让学术界能够真正参与到前沿研究中来。要知道，大学和研究机构通常根本没有资源来训练自己的基础模型。
我们的开源策略实际上产生了两个显著效果：它确实影响了少数几家闭源商业公司的利益（大家都知道是哪几家），但它同时为成千上万的企业和研究者创造了机会。
在教育领域，正如 Jeff 教授提到的，LLaMA 让大学能够运行、研究和改进这些模型。这种开放创新模式正是 AI 领域最需要的。
有些人可能会问：Meta 为什么要免费开放这么重要的技术？
这其实与我们的商业模式有关：我们不像某些公司直接靠 AI 技术本身盈利，Meta 的核心收入来自广告。而广告业务依赖于基于这些技术构建的高质量产品、社交网络的网络效应以及用户规模和参与度。
所以，开源不仅不会损害我们的商业利益，反而能帮助我们建立更强大的生态系统。当更多人使用和改进这些技术时，最终也会反哺我们的产品。
在追求人类级 AI 的道路上，开源是加速突破的关键。这可能是人类面临的最重大科技挑战之一，没有任何一家公司能垄断所有创新。最近 DeepSeek 等开源项目的突破就证明了这一点 —— 它们让硅谷大吃一惊，但我们这些长期参与开源的人并不感到意外。
我坚信以下几点：
创新可以来自世界任何角落
没有人能垄断好点子（除了那些自我感觉特别良好的人）
过去十年 AI 的快速发展，很大程度上要归功于代码和知识的开放共享
在 Meta，我们将继续坚持开源策略，因为这是推动 AI 技术进步、实现真正创新的最佳途径。我们期待与全球的研究者和开发者一起，共同迈向更智能的未来。
“智能眼镜成技术落地重要方向”
Q：如何看待智能眼镜等设备的出现？
LeCun：我认为智能眼镜代表着 AI 技术落地的一个重要方向。
在我看来，未来的 AI 助手应该具备以下特点：
全天候陪伴：像真正的助手一样随时待命；
多感官交互：能够”看到”和”听到”用户所处的环境（在获得许可的前提下）；
专业化分工：不是单一助手，而是一组各有所长的虚拟助手团队。
有趣的是，很多人担心 AI 比人类聪明会带来威胁，但我认为这反而是赋能。就像在科研或企业管理中，最理想的情况就是能找到比自己更优秀的人才一起工作。
最后，关于开源的重要性，我想强调就像 Linux 改变了互联网基础设施一样，开源 AI 将重塑整个行业格局。
我预见未来会有成千上万种不同的 AI 助手，它们将基于像 Meta 这样的大公司提供的开源基础模型，由全球各地的开发者进行定制开发。这种模式不仅能避免技术垄断，更能促进真正的创新。
参考链接：
[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
本文来自微信公众号：量子位（ID：QbitAI），作者：一水
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。