即將告別效力近十二年的meta，圖靈獎得主楊立昆（Yann LeCun）在近期播客訪談中直言不諱地批評大語言模型技術路線，并宣布將創(chuàng)辦專注于世界模型研究的新公司Advanced Machine Intelligence（AMI）。這位深度學習先驅認為，僅靠擴展語言模型無法實現通用人工智能（AGI），而構建具備預測和規(guī)劃能力的世界模型才是突破智能瓶頸的關鍵路徑。

在長達兩小時的對話中，楊立昆系統(tǒng)性闡述了其技術路線分歧。他指出當前硅谷盛行的"擴展法則"存在根本性缺陷：語言模型依賴的文本數據僅占人類感知信息的極小部分，30萬億token的訓練量遠不及4歲兒童通過視覺接收的1.5萬小時視頻信息。這種結構化數據的匱乏，使得LLM在處理現實世界復雜場景時暴露出本質性局限。

針對meta近年轉向封閉研究的戰(zhàn)略轉向，楊立昆表達強烈不滿。他透露原屬FAIR（人工智能研究實驗室）的長期研究項目正被壓縮，資源向短期商業(yè)應用傾斜。這種轉變與其科學理念嚴重沖突："真正的進步需要開放協(xié)作，當研究成果無法公開發(fā)表驗證，就可能淪為自欺欺人的妄想。"新公司AMI將延續(xù)開源傳統(tǒng)，在抽象表示空間構建預測模型，而非直接生成像素級內容。

世界模型的核心優(yōu)勢在于處理高維連續(xù)數據的能力。楊立昆以流體力學模擬為例，說明抽象表示如何通過忽略分子級細節(jié)實現更可靠的長期預測。其團隊研發(fā)的聯(lián)合嵌入預測架構（JEPA）通過引入各向同性高斯嵌入和SIGReg正則化技術，成功解決了傳統(tǒng)自監(jiān)督學習中的表示崩潰問題。這種在抽象空間進行預測的方法，被視為突破現有技術瓶頸的關鍵突破。

對于AGI的實現路徑，楊立昆提出顛覆性觀點：達到類狗智能的難度遠超人類水平。他解釋稱，哺乳動物感知系統(tǒng)的進化歷時數億年，而人類語言能力僅在最近百萬年才出現。當前LLM雖能模擬語言中樞功能，但要實現真正智能還需世界模型承擔前額葉皮層的規(guī)劃決策角色。這種雙模型架構需要突破多項基礎理論，預計需要數十年持續(xù)研究。

現年65歲的楊立昆將此次創(chuàng)業(yè)視為科學使命的延續(xù)。他坦言妻子希望其退休安享晚年，但提升人類智能的終極目標驅使他繼續(xù)奮斗。回顧職業(yè)生涯，這位紐約大學教授最遺憾的是反向傳播算法等重要發(fā)現被他人搶先發(fā)表，但他強調科學進步本質上是集體智慧的結晶。這種開放共享的理念，與其新公司堅持的開源路線形成完美呼應。