AI之父/图灵奖得主「Yann LeCun」：基于机器学习的AI架构非常糟糕！监督学习与强...

不二如是

杨立昆指出，当前人工智能体系面临严峻的瓶颈。

虽然我们可以在语言、图像等领域取得表面上的“通顺生成”效果，但这些系统与人类、动物的学习能力相比仍相形见绌。

在线学习：



他认为，当前 AI 的主要困境在于其架构和机器学习技术本身存在根本性不足。

我们观察到，在人类或动物身上，系统能以惊人的效率完成学习、推理、规划与常识掌握，而如今的 AI 却远未接近这种水平。

在许多实际任务中，AI 仍然需要极大规模的样本和计算资源，才能略微接近人类或动物的表现，这意味着我们尚未真正理解“如何高效学习世界”。

他回顾了主流机器学习技术的发展轨迹：

早期以监督学习为主，后来强化学习风靡一时，如今在大语言模型的微调阶段仍被频繁使用。

然而，杨立昆认为，单靠监督学习和强化学习这两种范式远远不够。强化学习虽然在某些控制和博弈任务中取得成功，但在复杂世界理解与常识推理方面效率极低、样本需求极高，难以支撑通用智能的成长。

更重要的是，依靠将像素重建作为训练目标的方式本质上是“浪费时间”，因为这种方式难以真正捕捉世界的因果结构和抽象规律（他在演讲中强调，应在表征空间中进行预测，而非像素空间重建）。

在此基础上，杨立昆提出，需要一种全新的架构——一种“模块化、目标驱动”的认知体系框架，使系统能够构建世界模型、设定明确目标、进行推理规划，并兼顾可控性与安全性。

他主张机器应更加依赖自监督学习、联合嵌入或判别式方法，而不是仅靠像素级重建。

未来的 AI 不应只是一连串的 token 预测器，而应是具有模块分层、可解释性、长期记忆与目标驱动能力的系统。

他认为，AI 的关键不在于规模更大，而在于结构更合理、学习方式更贴近生命智能的机制。


大神简介

Yann André LeCun，1960年出生于法国巴黎附近。

他是人工智能领域的杰出科学家，被誉为“卷积神经网络之父”。

1983年，LeCun毕业于巴黎电子工程学院，1987年在Université P&M Curie（今天的索邦大学）获得计算机科学博士学位。

他的研究领域包括人工智能、机器学习、计算机视觉、机器人技术等。

1988年，LeCun加入贝尔实验室，1996年加入AT&T实验室，并成为图像处理研究部门的领导。

2003年，他在纽约大学担任教授，并在NEC研究所（普林斯顿）短暂工作过。

2012年，LeCun成为纽约大学数据科学中心的创办主任。

2013年末，他受邀成为Meta（Facebook）公司的人工智能研究中心负责人，并仍保持在纽约大学中兼职教学。

2019年，他与约书亚·本希奥以及杰弗里·辛顿共同获得计算机学界最高奖项——图灵奖。

LeCun是美国国家科学院、美国国家工程院和法国科学院的院士。

评论区聊聊你的想法吧

                               
登录/注册后可看大图

>>万能兑换C币许愿池<<

如果有收获，别忘了评分 ：

                               
登录/注册后可看大图

                               
登录/注册后可看大图