高馬爾今天小編(袁曼雁)要和大家分享的是圖靈獎得主LeCun：人類智能不是通用智能，下一代AI可能基于非生成式,歡迎閱讀~
人類智能并非通用智能。
我們的大腦是進化的產物，只擅長解決對生存有用的問題，而不是真正 " 通用 " 的計算……
在最新一檔播客節目中，Meta 首席 AI 科學家 & 圖靈獎得主LeCun發表了如上觀點。
他表示，AGI（通用人工智能）一詞非常具有誤導性，但人類智能本質是非通用的，它非常專業。
更有意思的是，當大家都在談論生成式 AI 時，他卻憑借直覺大膽預測：下一代 AI 的突破可能基于非生成式。
同時他還再次 cue 到了 DeepSeek，并直言對于這個走紅矽谷的新事物，他們這些長期深耕 AI 領網域的人實則并不感到意外。
整場節目中，LeCun 與兩位主持人的讨論涵蓋了從大語言模型 ( LLMs ) 的局限性到人工智能研究的下一個範式轉變等主題，重點關注了推理、規劃和世界建模等概念。
省流版如下：
LeCun 直覺認為，下一代 AI 的突破可能基于非生成式；
否認 AGI 會在未來兩年内實現，但十年内可能取得重大進展；
人類和動物的智能核心，不是語言，而是對物理世界的建模和行動規劃；
創新可以來自世界任何角落；
智能眼鏡代表着 AI 技術落地的一個重要方向。
與此同時，量子位在不改變原意的基礎上，對部分問題進行了翻譯整理。
" 下一代 AI 可能基于非生成式 "
Q：如何看待一邊是收益遞減，一邊是企業們紛紛押注生成式 AI？
LeCun：毫無疑問，生成式 AI 很有用，尤其是編程助手之類的。近來人們正在讨論 Agent 系統，但它還并不完全可靠。
從技術演示到實際部署需要巨大跨越，類似 10 年前自動駕駛的困境——初期演示驚豔，但規模化落地極難。
過去七十年，人工智能領網域一直在重復這樣的歷史：人們提出一個新範式，然後宣稱這将達到人類智能水平，但每次都被證明是錯誤的。要麼缺乏泛化性，要麼被證明只擅長某個子任務而非通用任務。
所以，我們應該對它們進行大量投資，尤其是投向運行它們的大量基礎設施。實際上，大量資金都湧向了 AI 基礎設施，這并非為了訓練 AI，而是為了讓其運行起來服務潛在數十億用戶。
如今，如果我們需要達到人類智能水平，我們需要發明新技術。我們還遠未達到這一水平。
Q：人工智能下一步何在？應該把資源投向哪裡？
LeCun：3 年前我寫了一篇文章《A Path Towards Autonomous Machine Intelligence》（通往自主機器智能的道路），闡述了未來十年 AI 研究的方向。
我認為，未來的 AI 必須具備幾個關鍵能力：
理解物理世界——不僅僅是處理符号或文本，而是真正 " 懂 " 現實世界的運作規律；
具備推理和規劃能力——能夠像人類一樣思考 " 如果這樣做，會發生什麼 "，并制定策略；
擁有持久記憶——不是簡單的數據存儲，而是能像人類一樣長期積累和調用經驗；
安全可控—— AI 必須嚴格遵循我們設定的目标，不能偏離或 " 自作主張 "。
人類和動物的大腦裡都有一個 " 世界模型 " ——它讓我們能預測現實世界的運行方式。比如，你扔出一個球，不用計算抛物線，大腦就能預測它的落點。這種能力讓我們能規劃行動，比如：" 如果我現在左轉，會不會撞到那輛車？"
在 AI 領網域，我們希望能讓機器也學會這種模型。但問題是：如何讓 AI 像嬰兒一樣，通過觀察世界來自主學習？
LLM 的成功證明了自監督學習的強大——讓 AI 通過預測文本的下一個 token 來學習語言規律。但同樣的方法直接套用到視覺（比如預測視頻的下一幀）卻行不通，因為現實世界的可能性太多，無法像文字那樣用概率分布建模。
我們提出的解決方案是 JEPA（聯合嵌入預測架構），它不直接生成像素級的預測，而是在一個更抽象的 " 表征空間 " 裡進行推理。這有點像人類的大腦——我們不會在腦子裡渲染每一幀畫面，而是用更高效的方式理解世界。
有趣的是，現在大家都在談論生成式 AI，但我的直覺是，下一代 AI 的突破可能會來自非生成式模型。
這就是我的思考方向—— LLM 的爆發沒有改變它，反而讓我更堅信：AI 的下一個突破，在于讓機器真正 " 理解 " 世界，而不僅僅是生成内容。
"AI 的未來是像動物一樣思考 "
Q：如何看待 AGI？
LeCun：我堅信未來必然會出現全面超越人類智能的機器系統——這不是能否實現的問題，而是時間問題。
當前 AI 已經在特定領網域展現出超越人類的能力（比如圍棋、影像識别），但真正的挑戰在于構建能夠像生物一樣适應現實世界的智能體。
我必須指出，"AGI" 這個詞具有誤導性。 它暗示人類智能是 " 通用 " 的，而實際上，人類智能極其專業化。我們的大腦是進化的產物，只擅長解決對生存有用的問題，而不是真正 " 通用 " 的計算。
我們覺得自己 " 通用 "，只是因為我們對無法理解的問題根本意識不到。所以，我更傾向于用" 高級機器智能（AMI）"這個概念，它在 Meta 内部也被稱為 "Ami"（法語 " 朋友 " 的意思），而不是誤導性的 "AGI"。
我不認為 AGI（或 AMI）會在明年或未來兩年内實現。但十年内，我們可能會取得重大進展。當然，這取決于我們能否填補當前缺失的關鍵技術。
歷史告訴我們，AI 的突破總是比預期更難。比如，深度學習在 20 世紀 80 年代就被提出，但直到 2010 年後才真正爆發。所以，我保持謹慎樂觀——我相信我們能成功，但絕不會像某些人想象的那麼快。
今天的 AI（比如大語言模型）在某些任務上表現驚人，比如通過律師考試（本質是信息檢索）、生成代碼（語法嚴格，相對容易）、總結和改寫文本。
但它們有一個致命缺陷：無法解決從未見過的新問題。比如，讓最好的大語言模型去做最新的奧數題，它們幾乎得零分，因為它們沒有訓練過類似的題目。
更關鍵的是，它們沒有真正的推理能力。所謂的 " 思維鏈 "（Chain-of-Thought）只是讓模型生成更多文本，而不是像人類那樣進行抽象推理。
人類和動物（比如貓、老鼠）的智能核心，不是語言，而是對物理世界的建模和行動規劃。例如：
空間推理：如果我讓你想象一個立方體旋轉 90 度，你能在腦中模拟，而不需要語言描述；
分層規劃：如果我要從紐約去巴黎，我不會一步步計算 " 先邁左腳還是右腳 "，而是抽象成 " 打車→機場→飛機 "；
動作學習：貓能學會開門、松鼠能記住藏食物的位置，它們沒有語言，但能通過觀察和嘗試掌握復雜技能。
這才是真正的智能，而今天的 AI 完全做不到這一點。
要讓 AI 達到動物（甚至人類）的智能水平，我們需要：
1、建立世界模型：讓 AI 能模拟物理規律（比如重力、物體互動）；
2、分層行動規劃：像人類一樣，從高層次目标分解到具體動作；
3、非語言推理：真正的智能不依賴語言，而是基于抽象表征；
4、适應不确定性：現實世界是混亂的、連續的，不像語言那樣結構化。
如果能讓 AI 達到貓的智能水平，就已經是巨大突破。 今天的 AI 能在棋盤上擊敗人類，但一只貓對物理世界的理解，仍然遠超最先進的大語言模型。
我們離真正的人類級 AI 還有距離，但方向是明确的：不是讓 AI 更擅長語言，而是讓它像動物一樣理解世界、規劃行動。這需要全新的架構，而不僅僅是更大的語言模型。
我相信，未來十年，我們會看到重大進展——但絕不會是 " 突然覺醒 " 的超級 AI，而是逐步接近生物智能的機器。
" 我們對 DeepSeek 的出現并不意外 "
Q：Meta 的人工智能策略是怎樣的？
LeCun：作為 Meta 的 AI 負責人，我想分享一下我們決定開源 LLaMA 系列模型的戰略思考。
這個決定源于幾個關鍵考量：首先，從倫理角度來看，開源是正确的事情。LLaMA 2 采用開源模式發布後，直接推動了整個 AI 生态系統的爆發式增長。這不僅惠及企業和初創公司，更重要的是讓學術界能夠真正參與到前沿研究中來。要知道，大學和研究機構通常根本沒有資源來訓練自己的基礎模型。
我們的開源策略實際上產生了兩個顯著效果：它确實影響了少數幾家閉源商業公司的利益（大家都知道是哪幾家），但它同時為成千上萬的企業和研究者創造了機會。
在教育領網域，正如 Jeff 教授提到的，LLaMA 讓大學能夠運行、研究和改進這些模型。這種開放創新模式正是 AI 領網域最需要的。
有些人可能會問：Meta 為什麼要免費開放這麼重要的技術？
這其實與我們的商業模式有關：我們不像某些公司直接靠 AI 技術本身盈利，Meta 的核心收入來自廣告。而廣告業務依賴于基于這些技術構建的高質量產品、社交網絡的網絡效應以及用戶規模和參與度。
所以，開源不僅不會損害我們的商業利益，反而能幫助我們建立更強大的生态系統。當更多人使用和改進這些技術時，最終也會反哺我們的產品。
在追求人類級 AI 的道路上，開源是加速突破的關鍵。這可能是人類面臨的最重大科技挑戰之一，沒有任何一家公司能壟斷所有創新。最近 DeepSeek 等開源項目的突破就證明了這一點——它們讓矽谷大吃一驚，但我們這些長期參與開源的人并不感到意外。
我堅信以下幾點：
創新可以來自世界任何角落
沒有人能壟斷好點子（除了那些自我感覺特别良好的人）
過去十年 AI 的快速發展，很大程度上要歸功于代碼和知識的開放共享
在 Meta，我們将繼續堅持開源策略，因為這是推動 AI 技術進步、實現真正創新的最佳途徑。我們期待與全球的研究者和開發者一起，共同邁向更智能的未來。
" 智能眼鏡成技術落地重要方向 "
Q：如何看待智能眼鏡等設備的出現？
LeCun：我認為智能眼鏡代表着 AI 技術落地的一個重要方向。
在我看來，未來的 AI 助手應該具備以下特點：
全天候陪伴：像真正的助手一樣随時待命；
多感官互動：能夠 " 看到 " 和 " 聽到 " 用戶所處的環境（在獲得許可的前提下）；
專業化分工：不是單一助手，而是一組各有所長的虛拟助手團隊。
有趣的是，很多人擔心 AI 比人類聰明會帶來威脅，但我認為這反而是賦能。就像在科研或企業管理中，最理想的情況就是能找到比自己更優秀的人才一起工作。
最後，關于開源的重要性，我想強調就像 Linux 改變了互聯網基礎設施一樣，開源 AI 将重塑整個行業格局。
我預見未來會有成千上萬種不同的 AI 助手，它們将基于像 Meta 這樣的大公司提供的開源基礎模型，由全球各地的開發者進行定制開發。這種模式不僅能避免技術壟斷，更能促進真正的創新。
參考鏈接：
[ 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
一鍵三連「點贊」「轉發」「小心心」
歡迎在評論區留下你的想法！
— 完 —
不到一周！中國 AIGC 產業峰會觀眾正在火熱報名中 ♀️
全部嘉賓已就位 百度、華為、AWS、MSRA、無問芯穹、數勢科技、面壁智能、生數科技等十數位 AI 領網域創變者将齊聚峰會，讓更多人用上 AI、用好 AI，與 AI 一同加速成長～
4 月 16 日周三，就在北京，一起來深度求索 AI 怎麼用
一鍵星标
科技前沿進展每日見
關于圖靈獎得主LeCun：人類智能不是通用智能，下一代AI可能基于非生成式就分享完了，您有什麼想法可以聯系小編(袁曼雁)。