在人工智能领域，图灵奖得主、Meta 首席 AI 科学家杨立昆（Yann LeCun）近期多次公开表达对大语言模型（LLM）发展瓶颈的担忧。他认为，当前基于文本训练的生成式 AI 技术已触及天花板，若想实现人类级智能，必须突破对物理世界的理解与推理能力。
一、大语言模型的 “先天缺陷”
杨立昆指出，LLM 本质上是通过统计规律生成文本，缺乏对现实世界的认知能力。例如，GPT-4 等模型虽能流畅回答问题，却无法理解物体运动规律或因果关系，甚至会在简单物理常识上犯错。他形象地比喻，LLM 如同 “盲人摸象”，仅通过文本数据片面感知世界，无法构建完整的认知模型。
这种局限性源于 LLM 的技术架构。其依赖的自回归机制只能预测下一个 Token，无法处理连续的高维数据（如视频、图像），更无法模拟物理世界的动态变化。杨立昆强调，人类智能的核心在于通过多模态感知（视觉、触觉等）构建世界模型，而 LLM 的单一文本训练路径难以企及这一能力。
二、技术瓶颈与数据边际效应
随着模型规模扩大，LLM 的性能提升逐渐趋缓。杨立昆表示，当前训练数据的增长带来的回报已显著递减，进一步扩大模型规模不仅成本高昂，且难以解决根本性缺陷。例如，GPT-4 的训练成本超过 4 亿美元，但推理能力仍未突破 “模式匹配” 的范畴。
此外，LLM 的 “涌现能力” 被过度解读。杨立昆认为，这些看似智能的表现实为数据模式的复杂映射，而非真正的推理。例如，模型可能通过记忆训练数据中的案例给出正确答案，但无法举一反三解决新问题。
三、未来 AI 的突破方向
针对 LLM 的局限，杨立昆提出 “世界模型”（World Model）概念，主张通过多模态数据训练 AI 理解物理世界。他领导的团队正开发一种基于视频的预测系统，通过模拟物体运动、交互关系等动态过程，赋予 AI 预测物理行为的能力。
这一方向需突破两大技术挑战：一是构建层次化的世界模型，支持从基础感知到抽象推理的多层级学习；二是整合持久记忆与规划能力，使 AI 能基于历史经验制定复杂行动计划。杨立昆预计，这类系统可能在十年内实现类似猫科动物的智能水平，为通用人工智能（AGI）奠定基础。
四、行业影响与伦理思考
杨立昆的观点引发 AI 领域的深层反思。一方面，企业开始调整研发策略，例如 Meta 已将部分资源转向视频理解与机器人技术；另一方面，学术界加速探索多模态大模型，如 Google 的 Gemini 与 DeepMind 的 Gato 均尝试整合视觉、语言等多维度能力。
然而，物理世界建模面临数据获取与伦理难题。例如，自动驾驶汽车需在复杂环境中训练，而真实场景数据采集存在隐私与安全风险。杨立昆呼吁建立开放协作机制，通过共享合成数据与仿真环境降低研发门槛。
暂无评论内容