LeCun不忍了，三周后从Meta「提桶跑路」，临走前狠扇了硅谷所有人一巴掌：你们信奉的大模型全是泡沫，根本通往不了AGI！
LeCun直言不讳地指出，目前科技巨头们疯狂堆叠算力和数据来训练大语言模型（LLM）的做法是一条通往通用人工智能（AGI）的死路，整个行业陷入了一种集体幻觉。
他认为目前的模型虽然能处理语言，但在可靠性和逻辑规划上依然处于“阿猫阿狗”的智能水平，根本无法真正理解物理世界。
相比人类或动物仅需少量数据就能建立对世界的认知，LLM即便消耗了互联网上约30万亿Token的文本数据，其本质依然只是在进行概率预测和记忆反刍，而非产生了真正的智慧。
这种对Token预测的过度痴迷，让他决定跳出Meta的单一文化环境，去寻找新的突破口。
? 面对大模型路线的局限性，LeCun将赌注押在了“世界模型”这一全新架构上，并为此创办了名为AMI的全球性初创公司，总部设在巴黎。
与生成式AI关注像素级输出不同，世界模型主张在抽象表征空间中进行预测和规划，摒弃无关的细节噪音，从而模拟生物体如何通过观察行为后果来适应环境。他
强调智能的核心在于预测行动后果并据此规划，这是目前单纯依赖海量数据喂养的语言模型所欠缺的。
AMI将致力于延续FAIR实验室早期的开放研究传统，试图打破目前OpenAI、谷歌等巨头逐渐走向闭源的趋势。
LeCun表示，Meta内部的重组使得基础研究部门FAIR逐渐转向支持短期产品开发，为了追求真正具备长期价值的突破性研究，独立创业成为了必然选择，因为只有发表论文、共享成果才能避免陷入自欺欺人的封闭循环。
? 针对人工智能未来的时间表，LeCun表现得既谨慎又充满野心，他认为“通用智能”本身是个伪概念，因为人类智能也是高度专业化的，但在未来5到10年内，我们或许能看到接近人类甚至动物水平的机器智能出现。
对于希望投身这一领域的年轻人，他给出了出人意料的建议：尽量不要单纯局限于计算机科学专业，因为该领域的技术迭代速度过快，所学知识保质期极短。
相反，他极力推荐深入学习数学、物理、经典工程学甚至哲学，因为微积分、线性代数、概率论以及物理学中关于表征现实的建模思想，才是构建智能系统的基石。
这些基础学科提供的思维工具能够帮助人们在瞬息万变的技术浪潮中站稳脚跟，具备跨越技术周期的“学会学习”的能力，而不是被短期流行的编程框架所束缚。
#人工智能 #openai #显卡
LeCun直言不讳地指出，目前科技巨头们疯狂堆叠算力和数据来训练大语言模型（LLM）的做法是一条通往通用人工智能（AGI）的死路，整个行业陷入了一种集体幻觉。
他认为目前的模型虽然能处理语言，但在可靠性和逻辑规划上依然处于“阿猫阿狗”的智能水平，根本无法真正理解物理世界。
相比人类或动物仅需少量数据就能建立对世界的认知，LLM即便消耗了互联网上约30万亿Token的文本数据，其本质依然只是在进行概率预测和记忆反刍，而非产生了真正的智慧。
这种对Token预测的过度痴迷，让他决定跳出Meta的单一文化环境，去寻找新的突破口。
? 面对大模型路线的局限性，LeCun将赌注押在了“世界模型”这一全新架构上，并为此创办了名为AMI的全球性初创公司，总部设在巴黎。
与生成式AI关注像素级输出不同，世界模型主张在抽象表征空间中进行预测和规划，摒弃无关的细节噪音，从而模拟生物体如何通过观察行为后果来适应环境。他
强调智能的核心在于预测行动后果并据此规划，这是目前单纯依赖海量数据喂养的语言模型所欠缺的。
AMI将致力于延续FAIR实验室早期的开放研究传统，试图打破目前OpenAI、谷歌等巨头逐渐走向闭源的趋势。
LeCun表示，Meta内部的重组使得基础研究部门FAIR逐渐转向支持短期产品开发，为了追求真正具备长期价值的突破性研究，独立创业成为了必然选择，因为只有发表论文、共享成果才能避免陷入自欺欺人的封闭循环。
? 针对人工智能未来的时间表，LeCun表现得既谨慎又充满野心，他认为“通用智能”本身是个伪概念，因为人类智能也是高度专业化的，但在未来5到10年内，我们或许能看到接近人类甚至动物水平的机器智能出现。
对于希望投身这一领域的年轻人，他给出了出人意料的建议：尽量不要单纯局限于计算机科学专业，因为该领域的技术迭代速度过快，所学知识保质期极短。
相反，他极力推荐深入学习数学、物理、经典工程学甚至哲学，因为微积分、线性代数、概率论以及物理学中关于表征现实的建模思想，才是构建智能系统的基石。
这些基础学科提供的思维工具能够帮助人们在瞬息万变的技术浪潮中站稳脚跟，具备跨越技术周期的“学会学习”的能力，而不是被短期流行的编程框架所束缚。
#人工智能 #openai #显卡