勒丘批评即将出现通用人工智能的说法，强调多方面的方法
在约翰·霍普金斯布隆伯格中心举行的引人注目的专家小组讨论会上，Meta首席人工智能科学家Yann LeCun对围绕人工通用智能（AGI）的普遍乐观情绪提出了强烈的批评。LeCun质疑AGI即将到来的说法，认为当前的进展，特别是那些以大型语言模型（LLM）为中心的进展，不足以实现真正的通用智能。在关于OpenAI最新的o3模型（一些人称之为“婴儿AGI”）的兴奋情绪日益高涨之际，LeCun概述了仍然阻碍AGI实现的重大障碍。他的言论不仅与OpenAI的Ilya Sutskever等行业领导人的乐观预测形成鲜明对比，而且还强调了需要采取更全面、多方面的方法来发展人工智能。
主要内容
-
**AGI时间表：**Yann LeCun认为，虽然AGI在几年内是可能的，但距离实现还有几年时间，这与它可能很快出现的说法相矛盾。
-
**LLM的局限性：**LeCun强调，仅大型语言模型无法实现AGI，指出它们缺乏诸如感觉学习和情感能力等基本要素。
-
**数据限制：**他强调了用自然文本数据训练LLM的收益递减，这表明人工智能发展正在达到仅通过文本所能实现的极限。
-
**AGI的基本要求：**真正的AGI需要感觉学习、情感理解、世界建模和高级推理能力。
-
**Meta的V-JEPA项目：**为了应对这些挑战，Meta正在推进其V-JEPA项目，专注于收集视频数据和开发具有多方面学习能力的人工智能系统。
深度分析
Yann LeCun对当前AGI发展轨迹的批评，突显了人工智能领域内部的一场重大辩论。他的怀疑根植于这样的观察：现有的LLM尽管具有令人印象深刻的语言处理能力，但却无法达到人类所表现出的全面智能。LeCun认为，实现AGI不仅仅是扩大模型规模和增加数据；它需要整合感官输入、情感框架和强大的世界建模。
LeCun将人工智能发展与人类学习进行了类比，指出一个四岁的孩子大约处理16000小时的视觉信息，这是一种现有的LLM无法达到的感官数据规模。这一比较突显了AGI所需的信息处理的深度和广度，它超越了文本数据，包含了对世界的丰富、多模式的理解。
Meta的V-JEPA项目体现了LeCun对多方面方法的愿景。通过整合视频数据并关注不同环境中的交互，Meta旨在开发能够以更接近人类认知的方式感知、推理和适应的人工智能系统。这种方法与其他人工智能权威人士（如倡导具身人工智能的李飞飞和强调与物理世界互动重要性的Rodney Brooks）的观点相符。
相比之下，OpenAI的Ilya Sutskever和DeepMind的Demis Hassabis等行业领导人则保持着更为乐观的前景，认为扩展现有模型和整合不同的数据源可能足以实现AGI。OpenAI的Sam Altman甚至预测AGI将在几年内实现，这突显了人工智能领域关于通用智能的路径和时间表存在根本分歧。
LeCun的立场促使人们重新评估当前的方法，倡导更全面的发展战略，其中包括情商和感官数据。这种观点不仅拓宽了人工智能研究的范围，而且为AGI的未来建立了一个更谨慎和现实的框架。
你知道吗？
-
**Yann LeCun的贡献：**Yann LeCun是深度学习和卷积神经网络领域的先驱，这些网络是许多现代人工智能应用（包括图像和语音识别）的基础。
-
**V-JEPA项目：**Meta的V-JEPA（视频联合嵌入预测架构）项目是一项雄心勃勃的计划，旨在通过广泛的视频数据分析来增强人工智能对动态环境的理解。
-
**AGI定义各不相同：**人工智能领域对AGI的定义仍然存在分歧，一些专家将其设想为类似人类的灵活智能，而另一些人则将其视为能够有效地完成大多数人类工作的人工智能。
-
**训练数据限制：**当前的人工智能研究面临着获取多样化和广泛的训练数据的挑战，自然文本数据在推动LLM进一步发展方面的能力已接近饱和。
-
**情感AI：**将情商融入人工智能系统被认为对于设定目标、理解后果以及与人类无缝互动至关重要，LeCun和其他人工智能研究人员都强烈倡导这一点。
Yann LeCun富有洞察力的批评，提醒我们开发真正人工通用智能的复杂性。随着人工智能领域的不断发展，他强调多方面和整合方法可能会塑造人工智能研究和发展的未来轨迹。