一水 鷺羽 發自 凹非寺
量子位 | 公眾號 QbitAI
好一個一吐為快！
年底就要正式離開meta的LeCun，這下真是啥都不藏了。
不看好大語言模型能通往AGI，他就言辭犀利地指出：
通往超級智能之路——只需訓練大語言模型，用更多合成數據訓練，雇傭成千上萬的人在后訓練中“教育”你的系統，發明強化學習的新花招——我認為這完全是胡說八道。這根本行不通。
看不慣即將成為“前任”的meta的封閉作風，他也直言不諱：
meta正在變得更加封閉……FAIR被推動去從事一些比傳統上更偏向短期的項目。
而且還順帶劇透，自己將要創辦的新公司仍會繼續堅持開放。
以上內容來自LeCun最新參與的一檔播客節目。在接近兩小時的對談中，他主要回答了：
為什么硅谷對擴展語言模型的癡迷是一條死路？
為什么AI領域最難的問題是達到狗的智能水平，而非人類的智能水平？
為什么新公司選擇構建在抽象表示空間中進行預測的世界模型，而非直接生成像素的模型？
……
總結起來就是，不管是在meta接近12年的研究經歷，還是接下來要創辦的新公司，抑或是未來想要實現的AGI，通通都在這里了。
人生下一程：創辦新公司AMI
告別工作十二年的老東家，LeCun的下一步已然明了——創業。
做的還是之前在meta被打壓的世界模型。
LeCun透露，自己的公司名叫Advanced Machine Intelligence（AMI），將優先專注于世界模型的研究，而且開源……
這一招算是把和meta的矛盾擺在臺面上了。
畢竟眾所周知，自從亞歷山大王走馬上任，meta就開始急轉方向盤，從原來的開源先鋒變得越來越封閉。
LeCun更是直言不諱：
FAIR曾對AI研究生態產生了巨大影響，核心就在于高度開放的理念。但在過去幾年里，包括OpenAI、谷歌、meta都在變得封閉。
所以與其留在meta任人宰割，不如自己出來做喜歡的研究。
而且LeCun強調，如果不公開發表研究成果，就算不上真正的研究。故步自封，只會陷入自我欺騙，不讓學術界檢驗，就很可能只是一廂情愿的妄想。
他曾見過很多類似現象：內部對某個項目大肆吹捧，卻沒意識到其他人正在做的事情其實更優秀。
更何況meta現在只追求短期項目影響，實則難以做出有價值的貢獻，要突破就要公開發表成果，這是唯一的途徑。
所以新公司走的是一條和meta現在截然不同的路。
不止要做研究，還會推出圍繞世界模型、規劃能力的實際產品，AMI的終極目標是成為未來智能系統的主要供應商之一。
之所以選擇世界模型，是因為LeCun認為：
構建智能系統的正確打開方式就是世界模型。
這也是他多年來一直致力于研究的內容，在紐約大學和meta的多個項目中，已經取得了快速發展，現在也是時候將研究落地了。
至于他離職后，自己一手打造的FAIR會駛向何處？LeCun也透露了一二。
首先他表示，亞歷山大王不是他在meta的繼任者。
亞歷山大王的內部職責更偏向于整體運營管理，而非專門的科研人員，超級智能實驗室也由他領導，下設四個部門：
FAIR：專注于長期研究；
TBD實驗室：專注于前沿模型（主要是LLM）；
AI基礎設計部門：負責軟件基礎設施；
產品部門：將前沿模型轉化為聊天機器人等實際產品，并集成到WhatsApp等平臺。
其中FAIR被交給了Rob Fergus領導，他也是LeCun在紐約大學的同事，目前FAIR內部減少了對論文發表的重視，更傾向于短期項目和為TBD實驗室的前沿模型提供支持。
而LeCun自己目前仍然是FAIR的AI科學家，不過任期只剩下最后三周。
LeCun的離開，標志著meta以FAIR為代表的、長達十年的“學院派”研究黃金時代的徹底結束，也標志著LeCun自己離開LLM轉投世界模型的決心。
那么問題來了，為什么LeCun認為世界模型正確、LLM錯誤呢？
要做的世界模型和LLM“根本不是一回事”
核心原因在于，LeCun認為它們本質上是為了解決不同的問題而生，二者“根本不是一回事”。
前者是為了處理高維、連續且嘈雜的數據模態（如圖像或視頻），這些構成了與現實世界進行感知和交互的基礎；
后者在處理離散、符號化的文本數據上表現出色，但不適合處理上述現實世界數據，LeCun對其評價為“完全糟糕”。
他還斷言，處理圖像視頻類數據“就不能使用生成模型”，尤其不能使用那種將數據tokenize化為離散符號的生成模型（而這正是大多數LLM的基礎）。
大量經驗證據表明，這根本行不通。
基于此，LeCun堅信僅靠訓練文本數據，AI永遠不可能達到人類智能水平。
他在對比了LLM訓練所需的海量文本數據（約30萬億tokens）與等量字節的視頻數據（約15000 小時）后發現：
15000小時的視頻信息量相當于一個4歲孩子一生中清醒時接收到的視覺信息總量，但這僅相當于YouTube半小時的上傳量，而且后者信息結構更為豐富、冗余度更高。
這表明，視頻這樣的真實世界數據，其內部結構比文本豐富得多。
正是因為深刻認識到“文本無法承載世界的全部結構與動態” ，LeCun將目光重新投向了一條更接近人類學習本質的路徑——讓機器像嬰兒一樣，通過觀察世界的連續變化，主動構建一個內在的、可預測的模型。
而這，就是LeCun眼中世界模型的畫像。
在他看來，世界模型的關鍵作用就是預測特定動作或一系列動作所導致的后果，其核心基石為預測和規劃。
預測：能夠基于當前狀態和潛在行動，推演出未來可能的狀態（或狀態的抽象表示）；
規劃：以預測為基礎，通過搜索和優化，來確定實現預設目標的最佳行動序列。
至于怎樣才能算一個“好的”世界模型，LeCun反駁了需要完美模擬現實的觀點，強調了抽象的重要性*。
以前很多人認為世界模型必須是“重現世界所有細節的模擬器”，就像《星際迷航》中的全息甲板那樣。
但LeCun認為，這一想法是“錯誤且有害的”，實踐證明抽象有時候往往更有效。
所有科學和模擬都通過“發明抽象”來工作，例如計算流體力學忽略了分子等底層細節，只關注宏觀變量（如速度、密度、溫度），而這種抽象能夠帶來“更長期、更可靠的預測”。
因此，有效的方法是學習一個抽象的表示空間，它會“消除輸入中所有不可預測的細節，包括噪聲”。
由此他也總結道，世界模型不必是完全的模擬器，“它們是模擬器，但在抽象表示空間中”。
至于具體實現方式，他目前想到了通過聯合嵌入預測架構（JEPA）在這一抽象表示空間中進行預測。
而關于JEPA想法是如何誕生的？LeCun帶我們回顧了20年來“AI如何學習”的曲折發展史。
從無監督到JEPA
LeCun坦言，在長達近二十年的時間里，他一直堅信構建智能系統的正確路徑是某種形式的無監督學習。
這就和嬰兒看世界一樣，他們不是被“標注”后才認識世界的。同理，真正的智能也不可能依靠海量人工標注數據來構建。
因此，他一開始就將重點放在了無監督學習上，這種“讓機器自己從原始數據中發現規律”的設計完美契合了他的理念。
說干就干，他開始嘗試訓練自編碼器（Autoencoders）來學習表示。
其核心邏輯是：先壓縮，再還原。
比如將一張圖片（輸入數據）經由編碼器壓縮成一個緊湊的、低維的“摘要”（即表示或特征）；然后將這個“摘要”經由解碼器重構，還原為一張與原始輸入盡可能相似的圖片。
一旦這個“摘要”能夠近乎完美地還原出原始輸入，那么合理推測它必然抓住了數據中最關鍵、最本質的信息。
因此，如果后續有其他任務用到這個“摘要”，其表現大概率也不錯。
然而，后來的研究讓LeCun意識到，“堅持表示必須包含所有輸入信息的直覺是錯誤的”。
因為他發現，AI在上述學習過程中存在“作弊”現象。
就像數學上的“恒等函數”所代表的含義——輸出只是輸入的另一種形式，AI根本不理解自己所學的內容，它們只是在“抄答案”。
而連理解都沒有，又何談真正的智能呢？
于是，LeCun接著引入了“信息瓶頸”（Information Bottleneck）這個核心思想來糾正方向。
其目的是限制表示的信息內容，從而迫使系統學習更精簡、更有用的表示，也即所謂的抽象能力。
后來他與多位學生在這一方向上做了大量工作，希望以此預訓練非常深的神經網絡。
然而，隨著深度學習迎來歷史轉折點——全監督學習開始崛起，有關無監督或自監督學習的研究一度被擱置。
當時的情況是這樣的。
在2010年代初期，研究者們面臨一個核心難題：理論上有強大表達能力的深度神經網絡，在實踐中卻極其難以訓練。 梯度不是消失就是爆炸，網絡深層的參數幾乎學不到東西。
而幾項簡潔卻革命性的工程改進，徹底改變了局面。
一個是ReLU（線性整流函數）的勝利。之前大家普遍使用Sigmoid或Tanh作為激活函數，它們的梯度在兩端會變得非常平緩（飽和區），導致反向傳播時梯度信號迅速衰減，無法有效更新深層權重。這就是“梯度消失”問題。
而ReLU的梯度在正區間恒為1，完美解決了梯度消失問題，計算速度也極快，幾乎憑一己之力讓訓練可以深入到數十甚至上百層。
另一個是歸一化（Normalization）開始發威。隨著網絡層數加深，每一層輸入的分布都會發生劇烈偏移，這迫使后續層需要不斷適應新的數據分布，大大拖慢了訓練速度，也使得學習率等超參數設置變得極其敏感。
而歸一化技術使得每一層的輸入進入激活函數前，強行將其歸一化到均值為0、方差為1的標準分布。這就像給每一層安裝了一個“自動穩壓器” ，確保了訓練流程的平穩。
正是這些改進的結合，使得研究者第一次能夠可靠、高效地訓練出非常深的神經網絡。
換言之，深度網絡的威力終于從理論照進了現實。
而且更幸運的是，技術的突破還遇上了數據的爆炸——包括李飛飛帶頭創建的ImageNet和一些大型文本語料庫等大規模高質量標注數據集，越來越多地被創建和公開。
在技術和數據的雙重紅利下， 監督學習在當時表現良好（比如大名鼎鼎的AlexNet引爆“深度學習革命”）。
直到2015年，LeCun開始再次思考如何推動人工智能達到人類水平。他觀察到，當時主流的強化學習方法在樣本效率方面極其低效，“無法實現目標”。
因此，他重新將研究重心轉向了世界模型和規劃，即一個能夠預測其行動后果并能進行規劃的系統。
他最初的設想很直接：要建立一個世界模型，那就讓它像物理模擬器一樣，預測下一幀畫面的每一個像素。
這一想法和當時主流的觀點不謀而合，但事實證明它錯了。
我起初和當時所有人的做法一樣，犯了試圖在像素級別預測視頻的錯誤，這實際上是不可能的，因為預測是非決定性的。
因為現實世界往往充滿隨機性。比如預測一杯水被打翻后，每一顆水珠的確切軌跡和形狀，是不可能的。未來有無限多種可能的像素級狀態。
如果強行訓練一個確定性模型來預測像素，它為了最小化誤差，通常會學會輸出一個所有可能未來的模糊平均。這就是為什么早期視頻預測模型生成的畫面總是模糊不清的原因——它不是預測，而是“和稀泥”。
而為了解決不確定性，LeCun最初嘗試了潛變量模型。這就像給模型一個“隨機數骰子”（潛變量），允許它根據骰子的不同結果，生成不同的未來畫面。
不過LeCun最終意識到，這本質上仍是在像素空間中工作，沒有觸及核心。
直到這時，主打“在抽象表示空間中進行預測”的JEPA架構終于應運而生。
其靈感源自LeCun在90年代研究的Siamese Networks，只不過一直面臨一個巨大的難題——防止系統崩潰（Collapse）。
在訓練過程中，模型可能將所有輸入映射到單一的點或低維空間，導致嵌入空間中的樣本不可區分，從而無法有效捕捉樣本間的語義差異。
為了解決這個問題，LeCun依次嘗試了對比學習、非對比學習的方法，最新進展就是LeJEPA技術。
LeJEPA核心提出了一種基于各向同性高斯嵌入的自監督學習方法，通過引入SIGReg正則化，有效解決了表示崩潰問題，并顯著提升了模型的泛化能力。
LeCun認為，“LeJEPA+SIGReg”是訓練模型學習抽象表示的“非常有前途的技術集合”，并預計未來一兩年內在這個領域將會有更多進展。
“LLM無法通往AGI，最難的是達到狗的智能水平”
基于上述，LeCun判斷，那些號稱一兩年就能實現AGI的人完全是癡心妄想。
因為現實世界遠比token化的文本復雜，僅靠現在的LLM路線不可能直接實現AGI。
更何況對于AGI這個概念，LeCun本身就覺得毫無意義。
AGI通用智能指的是人類水平的智能，但事實上人類智能是高度專業的，比如人類擅長處理現實世界的問題（導航、互動），但在棋類任務上表現差勁。
甚至在很多任務上，其實動物比人類更擅長，而人類之所以自詡為“通用”，只是因為人類自認為能處理所有可以想象到的問題，但很多想象之外的問題，人類其實無法做到。
所以與其討論人類水平的智能，不如討論機器是否可以在人類擅長的領域達到或超越人類。
毫無疑問，答案是肯定的。已經有機器在部分領域超越人類，但要說全部領域，則需要一個漸進的過程，而非突發事件。
可預見的是，在未來幾年，世界模型、規劃能力這方面或許能取得概念性突破，這將為實現人類水平的AI鋪平道路。
但這還遠遠不夠，還需要很多的基礎概念鋪墊，需要新的理論創新才能突破當前人類智能的瓶頸。
總的來說，人類智能距離人類還很遙遠。
而且并非大家所普遍認知的那樣：“人類智能難以實現，那么低一檔的狗級智能或許更容易實現”。
LeCun認為恰恰相反，實現人類智能的過程中，最難的反而是達到狗的智能水平。
能夠達到狗級智能，說明在研究人類智能上已經具備了大量的基礎理論，再從狗級智能到人類智能就容易得多。
因為靈長類動物和人類的差異，除了大腦尺寸的增長，關鍵在語言。語言其實是由大腦中很小的一塊區域（Wernicke區和Broca區）負責，而這些區域在不到100萬年（甚至200萬年）前才進化出，復雜性并沒有想象中那么高。
現在的LLM就可以很好地扮演這一區域的角色，將語言編碼為抽象表征，并將思想解碼為文本，而世界模型則相當于大腦的前額葉皮層，負責規劃和決策。
所以LeCun的觀點是，單靠LLM或者單靠世界模型是無法實現真正的人類智能的，這需要很多的相關研究支撐，也需要很多時間完成。
也正因為如此，老爺子LeCun說他還不能退休。
拒絕退休，人生目標是提升人類智能
事實上，今年LeCun就已經65歲了。
花甲之年、榮譽等身，LeCun的妻子也希望他退休回歸家庭，但LeCun如今還要大齡創業，據他所說，原因只有兩個字——“使命”。
大道至簡，LeCun的一生都在追求的，無非是提升人類的智能。
他說，智能是世界上最稀缺的資源，人類和地球的發展總是受到智能總量的限制，這也是為什么人類會前仆后繼地投入大量資源進行教育、發展機器。
所以回顧LeCun整個職業生涯的全部研究項目，都緊緊圍繞著“讓人類更聰明”這一核心目標：
作為教授，LeCun教書育人；作為機器智能的研究者，LeCun希望通過機器輔助人類提升智能；通過社交媒體發聲，公開傳播AI和科學知識，讓更多人了解相關領域……
LeCun表示：
為了這一目標，我愿意繼續做出貢獻。
不過他也坦然表示，這么多年的職業生涯里，他也有遺憾。
很多想要做的想法，都沒有足夠的時間去做，結果同行們比他搶先一步發表，典型的比如反向傳播算法 （backpropagation）。
他曾發表過一篇關于訓練多層網絡的目標傳播算法論文，那時他就衍生想到了反向傳播的核心思路，但受時間和精力限制沒能做成，后來David Rumelhart和Hinton發表了相關論文，并引用了LeCun的論文。
類似的事情還有很多，但LeCun并不后悔。
在他的視角里，一個好的想法的涌現往往是復雜的，很少有人能在完全孤立的情況下提出全新的想法。
這在科學界里再正常不過，所以不能只把功勞歸結于第一個產生想法的人，那些將想法落地的人同樣需要巨大的努力。
或許正因如此，他才始終堅持開源的技術路徑——在他看來，科學的進步從來都不是少數天才的靈光乍現，而是無數人思想在開放交流中的不斷疊加延伸。
因此再回頭看LeCun的離職，其實并不突兀。
當meta已經不再是那個鼓勵長期開放研究的“科學烏托邦”，LeCun的離開，幾乎成為一種必然。
