Meta人工智能先驱对语言模型发出警告

图片来源说明：该图片由AI生成，图片授权服务提供商为Midjourney

Yann LeCun直言不讳。这位帮助建立Meta人工智能研究部门的传奇人物现在表示，科技行业对ChatGPT等大语言模型(LLMs)的痴迷从根本上就是错误的。

"我们正在向永远无法实现类人智能的系统投入数十亿美元，"LeCun在离开Meta后的首次重要采访中直言道。"当前的LLMs只是美化的自动补全引擎——它们操纵文字却不理解其含义或上下文。"

纯语言的局限性

这位图灵奖得主解释了为何基于文本训练的系统会遭遇瓶颈：

• 缺乏物理直觉：与通过互动认识世界的幼儿不同，LLMs缺少感官基础
• 浅层推理：它们难以处理多步规划或因果关系
• 统计学鹦鹉：其回应源自模式匹配而非概念理解

"问问ChatGPT为什么玻璃杯掉落会碎裂，"LeCun挑战道。"它会拼凑出看似合理的句子，但没有任何物理层面的理解。"

激进替代方案：世界模型

这位法国计算机科学家提出了一种完全不同的方法——通过以下方式学习的"世界模型"AI系统：

• 视觉观察（如YouTube视频）
• 感官输入（声音、触觉数据）
• 环境交互（虚拟仿真）

Meta已开始用10亿小时的视频素材训练原型机。早期版本可能在2026年前问世，或将彻底改变：

• 增强现实：遵守物理定律的数字对象
• 机器人技术：能预见现实后果的机器
• 自动驾驶汽车：凭直觉预测行人行为的车辆

该公司表示LLMs仍是智能助手等产品的关键，同时推进这条并行研发路线。

业界反应不一

部分研究者赞赏LeCun挑战群体思维：

"我们被流畅的聊天机器人催眠了，"MIT的Joshua Tenenbaum表示。"真正的智能需要身体经验。" 其他人则提醒世界模型面临艰巨挑战：

• 视频数据所需算力呈指数级超越文本
• 精确模拟物理现象仍计算成本高昂
• 系统需在无人监督下发展常识

这场争论让人想起早期AI寒冬时期有前景的技术遭遇意外瓶颈的情况。但这次不同之处在于，随着数十亿美元的资金押注和Meta通过元宇宙全力押注虚拟世界，其结果可能影响未来数十年的科技格局。