person引言：AI泰斗的离场与新征程
近日，图灵奖得主、前Meta首席AI科学家Yann LeCun在《The Information Bottleneck》栏目中，用将近两小时的时间，对当前硅谷追捧的AI发展路径进行了尖锐批评。这位65岁的AI泰斗直言，靠扩大大语言模型的规模、喂合成数据、搞强化学习微调，就想通往超级智能，"完全是胡扯"。更重磅的是，LeCun选择离开效力12年的Meta，从零创办一家新公司，押注一套全新的技术路线，试图重新定义AI的未来。
trending_down对当前AI发展路径的尖锐批评
LeCun认为，业界对大语言模型规模化的执念，正在把人工智能引向一条看似高速、实则封闭的死胡同。在他看来，真正制约AI进步的关键，并不是如何更快地逼近"人类级智能"，而是如何跨越一个常被低估却极其困难的门槛——让机器具备"狗的智能水平"。
现实世界中的理解、预测和行动能力，远比生成流畅文本复杂得多，而现有以语言为核心的模型，并未真正触及这一问题的本质。
LeCun指出，当前大语言模型存在几个根本性缺陷：
- 它们本质上是记忆型系统，需要海量数据来存储和复述事实
- 它们缺乏真正的理解能力，只是被微调到给出"看起来正确"的答案
- 它们无法处理高维度、连续且含噪声的数据模态，如视频和物理世界感知
- 它们的可靠性有限，且容易被"越狱"绕过安全限制
not_interested对AGI概念的根本性批判
LeCun直言不讳地指出，"通用智能"(AGI)这个概念本身就站不住脚。他认为，这个概念本质上是以"人类智能"为参照定义的，但人类智能本身高度专用化。我们擅长在现实世界中行动、与他人互动，但在下棋等任务上却表现糟糕；而很多动物在某些方面远胜人类。
LeCun认为，与其讨论"通用智能"，不如讨论"人类水平智能"：机器是否会在所有人类擅长的领域达到或超过人类？他强调，这个过程不会是一个突发事件，而是一个渐进的过程。
最难的部分是达到"狗水平"的智能。一旦达到这个阶段，绝大多数核心要素就已经具备了。从灵长类到人类，真正新增的关键能力，可能主要是语言。
public世界模型：LeCun提出的新AI架构
基于对当前AI路径的批评，LeCun通过其新公司AMI(Advanced Machine Intelligence)推动另一条技术路线：构建能够理解和预测世界的"世界模型"(World Models)。
与主流生成模型直接在像素或文本层面进行输出不同，AMI的核心思路是在抽象表征空间中对世界运行规律进行建模和预测。这种模型关注的不是"生成看起来像什么"，而是"世界将如何演化"，从而为机器提供更接近真实认知的基础能力。
在像素或文本层面直接输出
依赖海量数据模仿人类行为
缺乏真正的理解和推理能力
在抽象表征空间中建模世界
关注世界如何演化而非表象
具备预测、规划和行动能力
LeCun解释，世界模型的关键在于学习一个抽象的表征空间，这个空间会滤除输入中大量无法预测的细节（包括噪声），然后在这个表征空间内进行预测。这就是JEPA（联合嵌入预测架构）的核心思想。
securityAI安全问题：发展必须与安全同步
关于AI安全，LeCun的观点与Hinton、Bengio等人有所不同。他认为，安全必须与发展同步进行，而不是先停下来等"绝对安全"。
LeCun提出，应该构建目标驱动(objective-driven)的AI架构，这种架构具备以下几个关键能力：
- 拥有世界模型，能够预测自身行为可能带来的后果
- 可以规划一系列行动来完成任务
- 受到一整套硬性约束的限制，确保不会对人类造成危险
他强调，这类系统在设计层面就是安全的。因为它的输出不是靠"微调"或"内容过滤"，而是通过在满足约束条件的前提下，优化目标函数得出的。换句话说，它在结构上就不具备"逃逸"的可能性，这是一种先天安全的设计，而不是事后修补。
business离开Meta创办新公司：背景与愿景
LeCun离开Meta创立新公司，是看到当前AI投资热潮让长期研究型创业成为可能。他解释，以前这类研究只能依托于IBM、贝尔实验室这类垄断型大企业，或是微软、谷歌、Meta等大公司的研究院。
近年来，尽管他推动的开放研究曾影响整个领域，但如今包括谷歌、OpenAI甚至Meta在内的许多实验室正转向封闭。因此，他认为现在正是时候在Meta之外继续推进他所专注的研究方向。
新公司名为先进机器智能实验室（Advanced Machine Intelligence Labs，简称AMI Labs），计划融资5亿欧元，估值30亿欧元。LeCun将担任执行主席，法国医疗科技初创公司Nabla的创始人Alexandre LeBrun将出任首席执行官。
LeCun透露，AMI Labs不仅专注于研究，最终还要推出实际产品。这些产品将围绕世界模型和规划等核心技术展开，目标是成为智能系统的主要供应商之一。
lightbulb结论：AI的未来方向
LeCun的观点再次凸显了他与当前主流AI叙事之间的分歧。在行业普遍押注算力、数据和参数规模的背景下，他选择回到认知与感知的基本问题，试图重新定义通往通用人工智能的技术路径。
对于AI的未来，LeCun给出了一个相对保守的时间表：如果一切顺利、没有遇到尚未意识到的根本性障碍，最乐观的情况是在5到10年内，我们或许能看到接近人类，或者至少接近"狗水平"的智能系统。但他也强调，这只是最乐观的估计，历史告诉我们，AI发展中总会出现新的瓶颈，可能需要20年甚至更久才能突破。
对LeCun而言，这不仅是一场技术路线之争，也是一场关乎AI未来方向的长期下注。无论结果如何，他的批评和挑战无疑为当前AI领域注入了宝贵的多元视角，促使整个行业重新思考通往真正智能的道路。