Meta人工智能主管：LLM可能永远无法达到人类智能水平

人类早期展现出的语言和数学能力，从一开始就奠定了通用智能的标准。然而，人工智能领域的领军人物、持相反观点的扬·勒昆却认为，这种通用智能在不久的将来难以实现。勒昆近期在位于欧洲的伦敦工程中心的一次活动中，也提到了人类人工智能发展的不确定性。此外，他还强调了人类能力与人工智能能力之间的不匹配。.

对人工智能的怀疑

勒昆对通用人工智能（AGI）问题持谨慎态度，他认为人类极其复杂的智能构成了一大障碍。相反，他支持类人人工智能的理念，但他认为这是一个遥不可及的目标。勒昆指出，目前的人工智能方法忽略了四个相互关联的先天认知挑战：计划、永久记忆和认知世界。.

大型语言模型是勒昆指责的主要目标，例如Meta公司的LLaMA、OpenAI的GPT-3以及谷歌的Bard。这些模型展现出完美的语言掌握能力，但它们的知识始终保持静态（也就是说，基于文本的学习阻碍了对现实的深入理解）。勒昆认为，文本被表示为结构化和组织化的海量数据，但物理体验与文本有着本质区别，处于光谱的另一端。.

反对法学硕士（LLM）事实陈述的理由

勒昆认为，语言硕士（LLM）的语言能力并不代表其拥有真正的智能，因为他们被剥夺了经验、现有知识库以及对现实生活trac奥秘的探索。他强调的关键在于，在目前基于文本的学习架构下，人工智能无法像人类一样行事。除非人工智能的学习原理发生根本性的改变，否则人工智能将永远无法像人类一样理解和运用语言。勒昆指出，应该转向一种新的方法，主要关注目标导向的人工智能系统，使其能够从现实世界而非仅仅从文本数据中获取知识。.

尽管以文本为中心的方法提供了一种替代方案，但勒昆提出了“目标驱动型人工智能”的概念，其目标是让机器实现人类defi的目标。这些系统利用感官输入和视频数据构建更高级的“世界模型”，后续的规划和决策可以围绕一系列可用选项展开。能够运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人工智能机器可以更快地处理更复杂的任务。.

驾驭人工智能演进：Yann LeCun 的视角

勒昆在阐述这一事实时，并未否认人工智能逐步超越人类智能的可能性，而是指出，在这个过程中，不应高估时间。他强调，人工智能的研究和开发需要持续努力，以期超越当前应用与令人惊叹的人工智能智能概念之间的中间状态。.

Yann LeCun反对通用人工智能（AGI）的立场与人工智能和未来学家的理论相悖，这与当前主流的人工智能演进观相矛盾。尽管LeCun承认低级智能（LLM）的局限性，但他鼓励利用人工智能解决特定目标，并由此描绘出一幅通往人类智能的复杂图景。鉴于关于人工智能未来的讨论仍在不断涌现，LeCun的判断应当引发人们对相关复杂问题的深入思考。.