Meta首席AI科学家、图灵奖得主杨立昆（Yann LeCun）在麻省理工学院生成式AI影响力联盟研讨会上再次发表“激进”观点，直言大语言模型（LLM）和人形机器人正走向“死胡同”，真正的出路在于构建“世界模型”——一种基于自监督学习的、能理解物理世界动态的智能架构。 LeCun指出，当前LLM本质上仍是“知识搬运工”，通过海量文本训练，但其学习方式与人类智能存在根本差异。他用一个对比说明：一个四岁孩子在四年间通过视觉接收的信息量，已接近Llama 3训练所用的30万亿token数据。这表明，仅靠文本训练无法实现真正智能。他强调，AI必须从视频等高带宽感官数据中学习，理解世界如何运行，而非仅预测下一个词。 他提出，当前主流的生成式模型（如GPT）在处理视频时效率极低，因未来可能性太多，系统无法有效建模。为此，他和团队开发了JEPA（联合嵌入预测架构）——不重建像素，而是预测数据的抽象表征。该方法在图像和视频任务中已展现出超越监督学习的潜力，且能自动发现常识性规律。例如，当输入视频出现物体“凭空消失”等异常，系统能检测出预测误差激增，说明其具备初步“理解”能力。 在机器人领域，基于JEPA的“世界模型”已实现零样本任务规划：机器人通过自监督学习获得对环境的内在表征，再结合目标函数和优化算法，可自主规划动作完成未见过的任务，无需强化学习或特定训练。LeCun称，这正是未来AI的正确方向。 他同时强调，这种目标驱动的系统在设计上可嵌入“护栏”——在目标函数中硬编码安全规则，如“不伤害人类”“不挥动刀具”，从架构上防止危险行为，比依赖外部控制更可靠。 对于年轻研究者，LeCun建议：别沉迷App编程，应深入学习量子力学、路径积分等基础理论，因为这些抽象思维能为AI设计提供长期价值。他预言，未来十年将是“机器人的十年”，但前提是世界模型等关键技术取得突破。而当前许多机器人公司“根本不知道如何让机器人真正聪明有用”。 LeCun的言论再次引发AI界震荡，其核心观点——真正的智能不在于生成，而在于理解与规划——正成为挑战当前LLM霸权的重要思想力量。