AI之父『Yann LeCun』：我对大语言模型没兴趣，这四个领域更有趣！
Yann LeCun 是一位杰出的计算机科学家，被誉为“卷积神经网络之父”，在人工智能和深度学习领域做出了开创性贡献。
他于1960年出生于法国巴黎附近，1983年毕业于巴黎电子工程学院，1987年在索邦大学获得计算机科学博士学位。
LeCun 曾在贝尔实验室和AT&T实验室工作，期间开发了卷积神经网络（CNN），并将其应用于手写数字识别系统LeNet。
他还参与开发了DjVu图像压缩技术。
在线学习：
https://www.bilibili.com/video/BV1ba5fziEJb
2003年，LeCun 加入纽约大学担任教授，并在2012年成为纽约大学数据科学中心的创办主任。
2013年，他加入Facebook（现Meta），担任人工智能研究中心（FAIR）负责人。
2018年，他与Yoshua Bengio和Geoffrey Hinton共同获得图灵奖，以表彰他们在深度学习领域的贡献。
LeCun 还是美国国家科学院、美国国家工程院和法国科学院的院士。
他的研究兴趣包括人工智能、机器学习、计算机视觉、机器人技术和图像压缩。
近年来，他关注物理世界理解、持久记忆、推理和规划等方向，认为这些是未来人工智能发展的关键。
视频提到的 4 个新方向。
1. 物理世界理解
LLM 仅依赖文本数据，难以真正理解物理世界，而理解物理世界是实现高级智能的关键。
LeCun 提出“世界模型”（World Model）的概念，即让系统形成对物理环境的内部表示，从而实现推理和预测。
例如，他提出的联合嵌入预测架构（JEPA）和视频联合嵌入预测架构（V-JEPA），通过在抽象表示空间中进行预测，而不是直接预测像素，从而更好地理解视频内容。
2. 持久记忆
LLM 缺乏真正的持久记忆，无法像人类一样长期存储和检索信息。
LeCun 认为，未来的 AI 系统需要具备类似人类大脑海马体的功能，能够记住重要信息并在需要时检索。
这种持久记忆对于实现复杂任务的规划和推理至关重要。
3. 推理
LeCun 认为，LLM 的推理方式过于简单，只是通过生成大量 token 序列并筛选出最佳答案，这种方式效率低下且不符合人类的推理方式。
他强调：
**** Hidden Message *****
例如，人类可以通过想象一个立方体的旋转来推理其结果，而无需生成大量的动作序列。
4. 规划
LeCun 指出，规划是智能行为的重要组成部分，但 LLM 在这方面的能力非常有限。
他提出，未来的 AI 系统需要能够在内部模拟世界的状态变化，并基于这些模拟进行规划。
例如，通过预测视频中的未来状态，系统可以规划出一系列动作来实现特定目标。
AGI vs. AMI
LeCun 对 AGI（通用人工智能）这个概念持怀疑态度，他认为 AGI 的概念容易误导人们，因为它过于模糊且缺乏明确的定义和实现路径。
他更倾向于使用 AMI（高级机器智能）这个概念，AMI 更强调实际的工程路径和可实现的目标。
他认为，AMI 的发展应该基于对物理世界的理解、持久记忆、推理和规划等能力的构建，而不是单纯依赖语言模型的扩展。
LeCun 的观点强调了从语言模型向更全面的世界模型转变的重要性，他认为这是实现真正智能的关键。
他对大语言模型没兴趣，这四个方向更有意思：物理世界理解、持久记忆、推理和规划。
并且他认为AGI这个概念容易误导人们，AMI更加合适。
评论区聊聊你的想法吧{:10_330:}
如果有收获，别忘了评分{:10_281:} ：
https://xxx.ilovefishc.com/forum/202011/20/092334ggd6inlzfisfrdir.png.thumb.jpg 感谢分享 朕又在鱼C学到东西啦！非常满意{:10_275:} Yann LeCun提出的AI未来四个关键方向解析
[*]1. 物理世界理解
LLM仅依赖文本数据，缺乏对物理世界的真实感知。LeCun提出世界模型（World Model），通过JEPA/V-JEPA架构在抽象空间预测视频内容，而非像素级预测。例如：让AI理解"杯子掉落会破碎"，而无需大量文本描述。
[*]2. 持久记忆
现有LLM像金鱼记忆，每次对话需重新加载上下文。LeCun主张构建类似人类海马体的长期记忆模块，例如：AI能记住用户三年前提过的过敏史，并在点餐时自动提醒。
[*]3. 推理能力升级
LLM的token级推理如同"试错式蒙答案"，人类则在抽象空间快速推理。比如问"如何用5升和3升桶得到4升水？"，人类通过空间想象解决，而LLM需生成大量错误路径。
[*]4. 规划能力突破
LeCun强调状态模拟的重要性。例如：让AI规划搬家路线时，能模拟"周日下午堵车→选择绕城高速→预估节省30分钟"的完整因果链，而非仅生成文本建议。
AGI vs AMI核心区别
[*]AGI（通用人工智能）：模糊的哲学概念，类似"完全复制人类"
[*]AMI（高级机器智能）：明确的工程目标，强调可落地的能力模块
相关视频解读：https://www.bilibili.com/video/BV1ba5fziEJb
LeCun的核心观点：单纯堆叠更大的语言模型是死胡同，构建能理解物理规律、拥有长期记忆、可进行抽象推理的系统才是AI进化的正确路径。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 @FishC 简介Yann LeCun 的生涯重要贡献 不二如是 发表于 2025-04-20 14:46
@FishC 简介Yann LeCun 的生涯重要贡献
Yann LeCun 的生涯重要贡献
Yann LeCun 是深度学习领域的奠基人之一，以下是他的核心贡献：
[*]卷积神经网络（CNN）之父
1980-90年代提出并实现了首个高效CNN框架 LeNet-5，用于手写数字识别，为现代计算机视觉奠定基础。
[*]推动深度学习复兴
长期坚持神经网络研究，在学界质疑声中推动反向传播、权重共享等技术的演进，促成2010年代深度学习的爆发。
[*]自监督学习先驱
提出 对比预测编码 等自监督学习框架，解决依赖标注数据的瓶颈，推动AI向通用模型发展。
[*]学术与工业桥梁
曾任纽约大学教授（2003-今），Meta首席AI科学家（2013-今），领导开发了 PyTorch、FAIR 等开源项目。
[*]荣誉与影响力
2019年获图灵奖（与Hinton、Bengio共享），美国国家科学院院士，长期倡导开放科学和AI伦理。
相关资源：
Meta AI研究院官网：https://ai.meta.com/
LeCun个人主页：http://yann.lecun.com/
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2025-4-20 14:46
Yann LeCun提出的AI未来四个关键方向解析
简介Yann LeCun 的生涯重要贡献 感谢分享 朕又在鱼C学到东西啦！非常满意{:10_275:} 感谢分享 朕又在鱼C学到东西啦！非常满意{:10_275:} 鱼C-小师妹 发表于 2025-4-22 16:05
感谢分享 朕又在鱼C学到东西啦！非常满意
{:10_275:}鱼C有你更精彩{:10_288:} 感谢分享 朕又在鱼C学到东西啦！非常满意{:10_275:}
页:
[1]