赶紧放弃强化学习？！Meta 首席 AI 科学家杨立昆喊话：当前推理方式会“作弊”，卷大模型没有意义！

与其让模型变得更大，不如让它们更聪明。

原标题：赶紧放弃强化学习？！Meta 首席 AI 科学家杨立昆喊话：当前推理方式会“作弊”，卷大模型没有意义！
文章来源：AI前线
内容字数：21113字

Yann LeCun 论 AI 的未来：超越大语言模型的暴力计算

Meta 首席 AI 科学家 Yann LeCun 近日在 AI Action Summit 2025 上发表演讲，指出当前基于深度学习的大语言模型（LLM）存在根本性缺陷，并提出了构建真正“会思考”的 AI 模型的新方向。

1. 现有 AI 的局限性：莫拉维克悖论与“幻觉”

LeCun 认为，现有 AI 系统，例如 GPT 模型，通过自回归方式逐个生成 token，依赖预测器重复操作，导致其具有发散性，容易出现“幻觉”。 这种基于预测下一个词元的模式，即使在拥有海量数据的情况下，也无法重现人类或动物的常识和对物理世界的理解。他用“莫拉维克悖论”解释了这一现象：AI 在复杂任务（如语言生成）上表现出色，但在简单任务（如收拾餐桌）上却力不从心。 这表明，单纯依靠文本数据无法达到人类智能水平，高级 AI 需要对世界有更深层次的理解。

2. 高级机器智能（AMI）的要素

LeCun 提出“高级机器智能”（AMI）的概念，而非“通用人工智能”（AGI）。AMI 应具备以下特征：从感官输入中学习、具有持久记忆、能够规划和推理、可控且安全。 他强调，安全性的实现不应依赖于微调，而应在系统设计中固化。

3. 基于世界模型的推理：从预测到规划

LeCun 认为，改变 AI 的推理方式是关键。他提出了基于“能量函数”的推理模式，这与经典 AI 和概率图模型的思路相近，更接近人类的“系统二”思维（理智思考）。 这种模式下，系统通过寻找最小化能量函数的输出值来进行推理，复杂问题会花费更多时间，简单问题则更快。 这与当前 LLM 的“系统一”思维（直觉反应）截然不同。

他进一步介绍了“世界模型”的概念，即系统在抽象表示空间中，根据当前状态和动作序列预测未来状态。 这使得 AI 能够进行层次化规划，从宏观目标分解到具体的动作，类似于人类的思考和行动过程。 目前，AI 系统缺乏这种自主学习层次化表示和规划的能力。

4. JEPA 架构：超越生成模型

LeCun 批判了生成式模型在视频生成上的局限性，并提出了“联合嵌入预测架构”（JEPA）。 JEPA 不直接预测像素，而是预测内容的抽象表示，从而避免了对无法预测因素的处理，简化了预测过程。 他特别强调了基于动作条件的 JEPA 变体，它可以作为世界模型，用于规划和决策。

5. 训练 JEPA：放弃对比方法，转向正则化

LeCun 指出，训练 JEPA 需要新的方法，他建议放弃对比方法，转向正则化方法，以最小化低能量空间的体积。 他介绍了几种正则化方法，包括基于信息内容的正则化和蒸馏方法，并分析了这些方法的优缺点和适用场景。

6. V-JEPA 和基于 Dino 的世界模型：实际应用

LeCun 展示了 V-JEPA 在视频处理中的应用，以及基于 Dino 特征的世界模型在机器人规划中的应用。 这些例子展示了 JEPA 架构在学习常识、进行规划和控制方面的潜力。

7. AI 的未来：开源与协作

LeCun 呼吁放弃对生成模型、概率模型、对比方法和强化学习的过度依赖，转向基于能量函数和世界模型的新的 AI 架构。 他强调开源 AI 平台的重要性，认为只有通过全球范围内的协作，才能构建真正普惠且安全的 AI 系统。

联系作者

文章来源：AI前线
作者微信：
作者简介：面向AI爱好者、开发者和科学家，提供大模型最新资讯、AI技术分享干货、一线业界实践案例，助你全面拥抱AIGC。