趕緊放棄強化學習？！Meta 首席 AI 科學家楊立昆喊話：當前推理方式會“作弊”，卷大模型沒有意義！

與其讓模型變得更大，不如讓它們更聰明。

原標題：趕緊放棄強化學習？！Meta 首席 AI 科學家楊立昆喊話：當前推理方式會“作弊”，卷大模型沒有意義！
文章來源：AI前線
內容字數：21113字

Yann LeCun 論 AI 的未來：超越大語言模型的暴力計算

Meta 首席 AI 科學家 Yann LeCun 近日在 AI Action Summit 2025 上發表演講，指出當前基于深度學習的大語言模型（LLM）存在根本性缺陷，并提出了構建真正“會思考”的 AI 模型的新方向。

1. 現有 AI 的局限性：莫拉維克悖論與“幻覺”

LeCun 認為，現有 AI 系統，例如 GPT 模型，通過自回歸方式逐個生成 token，依賴預測器重復操作，導致其具有發散性，容易出現“幻覺”。 這種基于預測下一個詞元的模式，即使在擁有海量數據的情況下，也無法重現人類或動物的常識和對物理世界的理解。他用“莫拉維克悖論”解釋了這一現象：AI 在復雜任務（如語言生成）上表現出色，但在簡單任務（如收拾餐桌）上卻力不從心。 這表明，單純依靠文本數據無法達到人類智能水平，高級 AI 需要對世界有更深層次的理解。

2. 高級機器智能（AMI）的要素

LeCun 提出“高級機器智能”（AMI）的概念，而非“通用人工智能”（AGI）。AMI 應具備以下特征：從感官輸入中學習、具有持久記憶、能夠規劃和推理、可控且安全。 他強調，安全性的實現不應依賴于微調，而應在系統設計中固化。

3. 基于世界模型的推理：從預測到規劃

LeCun 認為，改變 AI 的推理方式是關鍵。他提出了基于“能量函數”的推理模式，這與經典 AI 和概率圖模型的思路相近，更接近人類的“系統二”思維（理智思考）。 這種模式下，系統通過尋找最小化能量函數的輸出值來進行推理，復雜問題會花費更多時間，簡單問題則更快。 這與當前 LLM 的“系統一”思維（直覺反應）截然不同。

他進一步介紹了“世界模型”的概念，即系統在抽象表示空間中，根據當前狀態和動作序列預測未來狀態。 這使得 AI 能夠進行層次化規劃，從宏觀目標分解到具體的動作，類似于人類的思考和行動過程。 目前，AI 系統缺乏這種自主學習層次化表示和規劃的能力。

4. JEPA 架構：超越生成模型

LeCun 批判了生成式模型在視頻生成上的局限性，并提出了“聯合嵌入預測架構”（JEPA）。 JEPA 不直接預測像素，而是預測內容的抽象表示，從而避免了對無法預測因素的處理，簡化了預測過程。 他特別強調了基于動作條件的 JEPA 變體，它可以作為世界模型，用于規劃和決策。

5. 訓練 JEPA：放棄對比方法，轉向正則化

LeCun 指出，訓練 JEPA 需要新的方法，他建議放棄對比方法，轉向正則化方法，以最小化低能量空間的體積。 他介紹了幾種正則化方法，包括基于信息內容的正則化和蒸餾方法，并分析了這些方法的優缺點和適用場景。

6. V-JEPA 和基于 Dino 的世界模型：實際應用

LeCun 展示了 V-JEPA 在視頻處理中的應用，以及基于 Dino 特征的世界模型在機器人規劃中的應用。 這些例子展示了 JEPA 架構在學習常識、進行規劃和控制方面的潛力。

7. AI 的未來：開源與協作

LeCun 呼吁放棄對生成模型、概率模型、對比方法和強化學習的過度依賴，轉向基于能量函數和世界模型的新的 AI 架構。 他強調開源 AI 平臺的重要性，認為只有通過全球范圍內的協作，才能構建真正普惠且安全的 AI 系統。

聯系作者

文章來源：AI前線
作者微信：
作者簡介：面向AI愛好者、開發者和科學家，提供大模型最新資訊、AI技術分享干貨、一線業界實踐案例，助你全面擁抱AIGC。