Meta的AI负责人：大型语言模型可能永远无法达到人类水平的智能

新生儿的语言和数学能力从一开始就设定了通用智能的标准。相反，作为AI主要人物且属于另一阵营的Yann LeCun并不相信这种通用智能会在不久的将来实现。LeCun最近在位于欧洲的伦敦工程中心的一次活动中提到了人类人工智能的不确定性。此外，他强调了人与人工智能能力之间的不协调性。

对AGI的怀疑

LeCun对AGI问题感到不安，他认为这种极其复杂的人类智能构成了巨大的障碍。相反，他支持类人AI的理念，但他认为这是一个远大的目标。LeCun指出了四个相互关联的先天认知挑战：规划、永久记忆以及了解世界——而当今的AI方法忽视了这些方面。

大型语言模型是LeCun指责的主要目标。包括Meta的LLaMA、OpenAI的GPT-3以及Google的Bard。这些模型展现了完美的语言掌握能力，但其知识始终处于静态（即，基于文本的学习阻碍了对现实的更深入理解）。LeCun声称，文本被表示为大量结构化且组织良好的数据，但物理体验在性质上与文本截然不同，处于光谱的另一端。

针对LLM“心智事实”的指控

LeCun认为，LLM在语言方面的熟练程度并不 signifies 智能的真实性，因为它们被剥夺了经验、现有知识库以及现实生活的抽象奥秘这一“奢侈”。这是他强调的关键点，即在其当前的基于文本的学习架构下，除非AI从根本上改变其学习原则，否则AI将无法像人类一样理解和执行语言。LeCun表示，应该转向一种新的方法，主要处理以目标为导向的AI系统，这些系统通过现实世界而非仅仅是文本数据来获取知识。

虽然以文本为中心的方法提供了替代方案，但LeCun提出了“以目标为导向的AI”理念，其指令是让机器实现人类定义的目标。这些系统利用感官输入和视频数据来构建更高级的“世界模型”，随后的规划和决策可以围绕可用的一系列选项进行。能够利用所学知识并理解行动后果意味着，具有基于价值观的动机的AI机器可以更迅速地处理更复杂的任务。

驾驭AI进化：Yann LeCun的视角

LeCun阐述了这一事实，但他并没有拒绝逐渐超越人类水平智能的想法，他指出，在这一过程中，人们不应高估时间表。他强调，AI研发需要继续努力，以超越当今应用与令人惊叹的AI级智能概念之间的中间地带。

Yann LeCun反对AGI的立场与AI和 futurologists 的诱导哲学相矛盾，这与目前盛行的AI进化观念相悖。尽管LeCun认识到LLM的局限性，但他鼓励使用AI来解决特定目标，从而为通往人类水平智能的道路提供了一幅复杂的图景。随着关于AI未来的讨论不断展开，LeCun的判断应引发对眼前细微问题的内省式提问。