編輯：元宇

【新智元導(dǎo)讀】近日，「圖靈獎」得主Yann LeCun炮轟硅谷主流AI路線，認為通過大模型實現(xiàn)AGI完全是「胡扯」。DeepMind創(chuàng)始人Demis Hassabis認為LeCun混淆了「普適智能」與「通用智能」的概念，兩位頂級科學(xué)家的爭論折射出AI未來五到十年的方向抉擇。

剛剛，圖靈獎得主與諾獎得主吵起來了！

大約一周前，圖靈獎得主、「深度學(xué)習(xí)之父」Yann LeCun在一期播客中「宣告」了大模型的「死刑」，直接把當(dāng)下最主流的AI路線罵成了「胡扯」。

Yann LeCun在《The Information Bottleneck》播客中表示，大模型通往AGI的道路完全行不通

在播客中，他沒有委婉質(zhì)疑，也沒有持保留意見，而是毫不留情地全盤否定：

所謂通往超級智能的路線，無非就是繼續(xù)堆大語言模型、用更多合成數(shù)據(jù)去喂模型、再雇成千上萬的人在后訓(xùn)練階段手把手地「教」系統(tǒng)，順便在強化學(xué)習(xí)（RL）上搞點小修小補；在我看來，這完全是胡扯。這條路根本不可能走得通。

作為深度學(xué)習(xí)的奠基者之一，LeCun推翻了幾乎是當(dāng)下整個AI產(chǎn)業(yè)一致下注的方向。

這等于說，你們都別干了，前面死路一條。

作為當(dāng)前大模型路線的重要領(lǐng)軍者，DeepMind創(chuàng)始人Hassabis立刻站出來反駁LeCun的觀點。

他認為LeCun混淆了「通用智能」（General Intelligence）與「普適智能」（Uniwersal Intelligence）的概念，忽略了一個核心事實——人類大腦本身就是高度通用的系統(tǒng)，盡管它在具體任務(wù)上并非最優(yōu)。

馬斯克轉(zhuǎn)帖并站隊Hassabis，認為他說得完全正確。

Hassabis的反駁將問題從「大模型行不行」引向了一個更根本的問題：

我們到底在討論什么樣的智能？

LeCun在Hassabis的反駁帖子下面留言，認為二者的分歧主要在于用詞。

他還用數(shù)學(xué)、計算復(fù)雜性來證明自己的觀點：

人類大腦本身其實是高度特化（專門化）的系統(tǒng)，因此不能用「通用」來指代「人類水平」。

更讓這場辯論富有戲劇性的，是LeCun即將離開Meta，創(chuàng)辦AMI Labs，押注一種完全不同于大模型的路線。

而辯論另一方Hassabis，他所領(lǐng)導(dǎo)的DeepMind正在大模型通往AGI的道路上加速前進。

所以，這不只是觀點之爭，也是關(guān)系到未來十年AI技術(shù)路線的一場豪賭。

LeCun

大模型并不能實現(xiàn)AGI

在LeCun看來，當(dāng)前硅谷主流的通往超級智能的路線，在理論和實踐上都站不住腳。

他認為這條路線，本質(zhì)上是在用「規(guī)?！寡谏w「結(jié)構(gòu)上的問題」。

通過把模型堆得更大，用更多數(shù)據(jù)喂它，然后再用人工后訓(xùn)練一點點糾偏。

短期內(nèi)這的確會讓模型更強，但這并不意味著你正在逼近真正的通用智能。

此外，他還反對用「通用」這個詞去指代「人類智能」。

他認為人類本身其實是高度、甚至極端專門化的。

一個訓(xùn)練充分、擁有無限紙筆的人類大腦，在理論上是「圖靈完備」的。

但在現(xiàn)實中，我們幾乎在所有計算問題（比如下棋）上的效率都低得驚人。

一個幾十歐元的棋類引擎，就能穩(wěn)定擊敗世界頂級棋手。

這不是因為人類不聰明，而是因為在資源受限的情況下，我們的計算方式本身就高度次優(yōu)。

LeCun還提出了一個非常「工程師」的比喻。

在理論上，一個只有兩層的神經(jīng)網(wǎng)絡(luò)，可以把任何函數(shù)逼近到任意精度。

但在現(xiàn)實中，真正有意義的函數(shù)，往往需要多到不可接受的隱藏單元。

所以我們才需要采用多層網(wǎng)絡(luò)，這正是深度學(xué)習(xí)存在的根本原因。

接著，他又舉了另一個例證。

假設(shè)視覺系統(tǒng)有大約100萬根神經(jīng)纖維。

哪怕我們極端簡化，把信號當(dāng)作二進制，一個視覺任務(wù)也相當(dāng)于：從100萬比特映射到1比特的布爾函數(shù)。

這類函數(shù)的總數(shù)是多少？

2^(2^1000000)。

這是一個幾乎無法書寫、無法想象的數(shù)字。

而人類大腦呢？

假設(shè)有1011個神經(jīng)元、101?個突觸，每個突觸用32比特表示，整個連接組最多也只有3.2×101?比特。

這意味著，人類大腦整體能表示的布爾函數(shù)總數(shù)，上限不過是： 2^(3.2×101?)。

這和2^(2^1000000) 相比，這個數(shù)字幾乎可以忽略不計。

當(dāng)然，LeCun的推斷只是一個信息論意義上的上界估算，而非嚴格的神經(jīng)可計算性證明。

但他由此得出的結(jié)論也很殘酷。

他認為我們不僅談不上「通用」，而且在可能函數(shù)空間里，是極端地、荒謬地專門化的存在。

我們之所以感覺不到，是因為絕大多數(shù)函數(shù)，對我們來說復(fù)雜到完全像隨機噪聲。

于是，我們把它們叫作「熵」，然后選擇忽略。

正因如此，LeCun非常欣賞愛因斯坦那句著名的話：「世界上最不可理解的事情，就是世界居然是可以被理解的」。

他認為宇宙中絕大多數(shù)的信息內(nèi)容都是熵，是那些我們用自己貧弱的心智根本無法理解，所以只能選擇忽略的東西。

Hassabis反擊

你打錯了靶心

Hassabis并沒有直接否定LeCun的數(shù)學(xué)推斷，只是說他打錯了靶心——混淆了「通用智能」與「普適智能」的概念。

LeCun所否定的只是「普適智能」，即在所有任務(wù)上，都達到接近最優(yōu)的性能。

而「通用智能」則是另外一件事，它是指同一個系統(tǒng)，能否在完全不同的任務(wù)之間遷移、學(xué)習(xí)、適應(yīng)。

從這個角度看，圖靈機是一個很好的理論假設(shè)。

Hassabis認為大腦是目前在宇宙中所知道的最精妙、也最復(fù)雜的現(xiàn)象（至少到現(xiàn)在為止），而且它們本身就是高度通用的。

受到無免費午餐定理（No Free Lunch Theorem）的限制，任何現(xiàn)實、有限的系統(tǒng)中，都會不可避免地圍繞正在學(xué)習(xí)的目標分布產(chǎn)生一定程度的專門化。

但「通用性」的核心在于：

從理論上講，一個通用系統(tǒng)的架構(gòu)，只要給它足夠的時間、內(nèi)存（以及數(shù)據(jù)），就可以學(xué)習(xí)任何可計算的東西。

在人們常用的計算理論類比中，人類大腦常被視為近似圖靈完備的系統(tǒng)，Hassabis認為人腦和基于Transformer的基礎(chǔ)模型，同樣都是近似圖靈機的系統(tǒng)。

Hassabis也回應(yīng)了LeCun關(guān)于棋手的評論。

他認為人類能夠發(fā)明出國際象棋本身就是一個奇跡，何況我們還能在此基礎(chǔ)上達到像國際象棋棋手之一Magnus Carlsen那樣的頂尖水平。

更不用說現(xiàn)代文明的其他一切：如從科學(xué)發(fā)現(xiàn)到制造747客機等。

Hassabis表示人腦或許并不是嚴格意義上的最優(yōu)解（畢竟記憶有限、決策時間也有限），但考慮到人類大腦原本只是為狩獵采集而進化的，它所取得的上述成就堪稱不可思議。

因此，Hassabis認為人腦本就是一個宇宙級的「通用AI」，具備無限學(xué)習(xí)潛能，而人類文明創(chuàng)造力，則是大腦高度通用性的最強證明。

五年后

答案或?qū)⒏〕鏊?/strong>

真正讓這場爭論變得引人注目的，是LeCun與Hassabis二人在AI界的巨大影響力，以及他們背后所代表的截然不同的技術(shù)路線。

LeCun宣布即將離開Meta后，就馬不停蹄地為「下一場戰(zhàn)役」做準備。

與此同時，他也選擇要遠離硅谷的一切。

在他看來，硅谷正被「LLM」洗腦的單一文化，從Meta到OpenAI、谷歌、Anthropic，基本上所有人都在做同樣的事情。

因此，在斷定大模型此路不通后，LeCun決定創(chuàng)辦自己的研究型初創(chuàng)公司AMI Labs，專注于構(gòu)建「世界模型」。

目前AMI Labs正在以35億美元估值融資5億歐元。

這也意味著LeCun把自己整個后Meta的職業(yè)生涯都押注在了與硅谷主流AI路線截然不同的一個方向判斷上：

大模型不是通往通用智能的正確路徑。

與LeCun的選擇和判斷相對應(yīng)的，是Hassabis帶領(lǐng)的DeepMind實現(xiàn)了AlphaGo、AlphaFold、Gemini……等一系列歷史性的突破。

他還因為AlphaFold在蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域的革命性貢獻，與John Jumper、David Baker共同獲得了2024年諾貝爾化學(xué)獎。

這些技術(shù)突破，在不同任務(wù)上采用了不同但可遷移的學(xué)習(xí)范式，正在一步步探索通往AGI的可能性。

前不久，Hassabis還斷言「擴規(guī)?！故峭ㄍㄓ萌斯ぶ悄埽ˋGI）的關(guān)鍵組件，甚至可能就是全部路徑。

他認為要實現(xiàn)AGI，當(dāng)下主流大模型必須把「擴規(guī)?！梗ǜ鄶?shù)據(jù)、更多算力、更大的模型）這件事推到極致。

沿著這一路線，在完成一兩次關(guān)鍵性突破后，Hassabis認為我們可能在5–10年后迎來「完整的AGI」。

當(dāng)LeCun認為靠野蠻堆算力行不通，轉(zhuǎn)而押注「世界模型」時，Hassabis仍然堅信Transformer和Scaling Law是通往AGI的必由之路。

五年后，我們可能會發(fā)現(xiàn)其中一方是對的，也許他們會在某個意想不到的地方匯合。

無論結(jié)果如何，爭論的意義也許不在「普適智能」「通用智能」的名詞之爭，而是啟發(fā)我們?nèi)绾卫斫狻钢悄堋贡旧怼?/p>

畢竟，在很大程度上，這還是一條充滿未知的探索之路。

參考資料：

https://x.com/demishassabis/status/2003097405026193809?referrer=grok.com

https://x.com/ylecun/status/2003227257587007712?s=20

https://www.youtube.com/watch?v=7u-DXVADyhc&t=153s