AI之父『Yann LeCun』：我对大语言模型没兴趣，这四个领域更有趣！

不二如是

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：

[media=x,500,375][/media]

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：

游客，如果您要查看本帖隐藏内容请回复

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

如果有收获，别忘了评分 ：

                               
登录/注册后可看大图

不二如是

感谢分享 朕又在鱼C学到东西啦！非常满意

FishC

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。

不二如是

@FishC 简介Yann LeCun 的生涯重要贡献

FishC

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。

不二如是

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