摘要：Meta首席AI科学家杨立昆（Yann LeCun）将于近期离职，并创办专注于“世界模型”研究的新公司Advanced Machine Intelligence（AMI）。他批评当前依赖大语言模型（LLM）和合成数据的AGI路径“行不通”，认为实现类人智能需通过观察现实世界数据（如视频）来构建具备预测与规划能力的“世界模型”。他同时指出，Meta等公司的研究正变得封闭且短期导向，而AMI将坚持开源。LeCun认为，实现“狗级智能”是比实现人类智能更困难的挑战，并披露其技术路线将基于联合嵌入预测架构（JEPA）及其最新进展LeJEPA。
线索：
* 投资机会：LeCun的创业公司AMI及其坚持的“世界模型”技术路线，可能代表AGI研究的另一重要范式。若其开源策略能推动技术突破并形成生态，相关的基础设施、工具链及基于世界模型的应用层（如机器人、复杂环境模拟）可能涌现新的投资机会。对AI研究长期导向和开源模式认同的机构，可关注其进展。
* 潜在风险：世界模型技术路径尚在早期，面临理论验证、工程实现与商业化落地的多重不确定性。同时，主流产业界资源仍高度集中于LLM及其应用扩展，新范式可能面临人才、资金和数据资源的竞争压力。此外，大型科技公司内部研究策略向短期、封闭的转变，可能影响整个AI基础研究的开放协作生态与长期创新潜力。
正文：
Meta首席AI科学家杨立昆（Yann LeCun）确认将于近期离职，结束其在Meta近十二年的工作。他宣布将创办一家名为Advanced Machine Intelligence（AMI）的新公司，该公司将专注于“世界模型”的研究与开发，并坚持开源模式。
在一档近期播客访谈中，LeCun阐述了他对当前人工智能发展路径的批评以及对未来方向的看法。他明确表示，目前业界普遍追求的、通过扩展大语言模型（LLM）、使用更多合成数据并进行大量后训练（如人类反馈强化学习）来实现通用人工智能（AGI）的路径是“行不通的”。他认为，LLM擅长处理离散的文本符号，但无法有效处理构成现实世界交互基础的高维、连续且充满噪声的数据（如图像、视频）。他指出，仅依赖文本数据训练的AI永远无法达到人类智能水平。
LeCun认为，实现类人智能的关键在于构建“世界模型”。这种模型的核心是让机器像婴儿一样，通过观察世界的连续变化，在抽象的表示空间中学习预测和规划。预测是指系统能基于当前状态和潜在行动推演未来状态；规划则是基于预测，通过搜索和优化来确定达成目标的最佳行动序列。他强调，有效的世界模型不必是细节完整的模拟器，而应是在抽象表示空间中工作的模拟器，以忽略不可预测的噪声和细节，实现更可靠的长期预测。他提出的技术实现路径是联合嵌入预测架构（JEPA）及其最新发展LeJEPA。
LeCun回顾了其研究思想的演变。他长期坚信无监督或自监督学习是构建智能的正确路径。早期他尝试使用自编码器，但发现系统容易“作弊”，未能学到本质表示。随后引入“信息瓶颈”概念以学习更抽象的表示。在深度学习因ReLU激活函数、归一化技术及大规模标注数据集（如ImageNet）而转向监督学习并取得显著成功时，他于2015年左右重新将重点转向世界模型与规划。他最初尝试在像素级别预测视频，但因未来具有不确定性而失败，最终催生了在抽象表示空间进行预测的JEPA架构思路。
关于AGI，LeCun认为其概念本身意义有限，因为人类智能也是领域特定的。实现能在所有人类擅长领域达到或超越人类水平的机器智能将是一个渐进过程。他提出一个反直觉的观点：在通向人类智能的道路上，最困难的挑战反而是先实现“狗的智能水平”。因为达到狗级智能需要解决理解物理世界、进行基础规划和交互等核心难题，而这些构成了更高级智能（包括语言能力）的基础。他认为，语言能力由大脑特定小区域负责，其进化相对较晚，复杂性并非最高，当前的LLM可以很好地模拟这部分功能。因此，真正的类人智能需要将类似LLM的“语言系统”与负责规划和决策的“世界模型”（类比大脑前额叶皮层）相结合。
在谈及离职原因时，LeCun指出Meta（包括其所在的FAIR实验室）正变得更加封闭，且更倾向于支持短期项目，这与他所坚持的开放研究和长期探索理念相悖。他相信，不公开发表成果的研究不是真正的研究，开源与同行评议是取得突破的唯一途径。他的新公司AMI旨在成为未来智能系统的主要供应商之一，将同时推进世界模型的研究与产品化。
LeCun透露，他离职后，Meta的AI研究体系将由“超级智能实验室”统领，其负责人并非他的继任者。该实验室下辖四个部门：FAIR（侧重长期研究）、TBD实验室（侧重前沿大模型）、AI基础设计部门（负责基础设施）和产品部门。FAIR将由他在纽约大学的同事Rob Fergus领导，未来将更少强调论文发表，更多支持短期项目及TBD实验室。
尽管已65岁，LeCun表示退休不在计划中，他将继续致力于通过机器智能来“提升人类智能”这一使命。他将其职业生涯的目标总结为通过教育、研究和知识传播让人类更聪明。对于曾在反向传播算法等想法上因时间精力所限未能率先发表，他表示科学进步是集体累积的过程，并再次强调了开放协作的重要性。
发布时间：2025-12-22 09:02:50
评论 ( 0 )