AI元老杨立昆：LLM路径已误入歧途，行业因盲目跟风陷入竞赛陷阱，他为何离开Meta？

👇关注后设🌟星标，获取第一手AI新动态

本文内容整理自Yann LeCun（杨立昆）在Unsupervised Learning: With Jacob Effron频道的专访，讨论了Yann LeCun对当前AI发展的看法。原始内容参考：https://www.youtube.com/watch?v=ngBraLDqzdI

Yann LeCun（杨立昆）是著名AI科学家，图灵奖得主，被誉为“卷积神经网络之父”。他长期担任Meta（Facebook AI Research, FAIR）的首席AI科学家，主导了FAIR的辉煌研究时代。如今，他在独立运作的AMI Labs担任首席科学官，全身心专注于“世界模型”和JEPA架构的研究。他的终极目标是：让AI真正从现实世界中学习、理解和推理，彻底摆脱对纯语言数据的路径依赖。

图灵奖得主、前Meta首席AI科学家杨做客雅各布·埃弗伦（Jacob Effron）的播客。这场对话的核心聚焦于杨极具颠覆性的反共识论断：尽管大语言模型（LLM）是极具商业价值的产品，但它们在通往人类水平智能的道路上已经走入死胡同。核心原因在于，LLM无法预判自身行为的后果，无法进行长远规划，并且从根本上无法对混乱、高维的真实物理世界进行建模。

在访谈中，他详细拆解了自己提出的替代方案——JEPA（联合嵌入预测架构）。该架构通过学习抽象表征，而非生成低效的像素级预测来理解世界。他深刻解析了为什么这种方法对于机器人技术、工业应用，以及任何需要超越单纯“语言文字”层面运作的系统来说，都是不可或缺的。

此外，杨还首次揭秘了他离开Meta背后的真实内幕（与外界传闻相反，他对Llama模型其实没有任何技术层面的参与）；分享了旨在打造主权开源AI的Tapestry项目的起源；阐述了为何他认为LLM存在本质上的不安全性；探讨了他在哪些核心理念上与图灵奖同侪辛顿（Hinton）和本希奥（Bengio）分道扬镳；并大胆预测：整个AI行业将在2027年初彻底醒悟，迎接这场范式的转变。

在整个访谈中，他坦诚地反思了大型科技巨头内部“基础研究与产品落地”之间的剧烈拉扯，以及他为何将AMI实验室的总部设在巴黎，且坚决不拿一分钱的硅谷风投。

主持人：您是人工智能教父之一。您如何看待目前人工智能的发展路径？

杨立昆：五年内实现全球的彻底统治。实现突破性研究的最佳途径就是：招募最顶尖的人才，然后别去碍手碍脚。原谅我爆粗口。

主持人：您与另外两位共同获得了图灵奖。您的观点是从何时开始产生分歧的？在2023年，您是如何确定离开Meta的时机的？听起来您似乎在很长一段时间里都在思考这些问题。*[注：此段为播客开场的混剪片段]*

杨立昆：外界对我的角色、我与FAIR（基础人工智能研究院）的关系，以及Meta内部是如何开展AI工作的，存在很大的误解。

主持人：过去一年里，您在哪些观点上改变了想法？

主持人：Yann LeCun被誉为人工智能教父之一，他是该领域绝对的传奇人物，也是我长期钦佩的对象。能邀请到他来到《无监督学习》(Unsupervised Learning) 节目，我感到非常荣幸。

他长期是大语言模型（LLM）的怀疑论者。我们深入探讨了LLM能做什么、不能做什么、他所看到的局限性，以及最终决定追求不同架构的原因。

我们还谈到了他在Meta的工作经历、他为建立FAIR所做出的贡献、过去几年的发展历程，以及最终是什么促使他的团队成员跳出原有框架，创立了Mistral AI。

我认为，了解Yann对于当前人工智能生态系统所发生的一切，以及基础研究与推动大语言模型发展之间的张力，还有他对整个领域未来走向的看法，是非常令人着迷的。

他是该领域的泰斗。创办这档播客时，我就希望能邀请到他这样的重量级嘉宾，所以这真是一次难得的机会。我相信听众们会很喜欢这次谈话。废话少说，让我们欢迎Yann。

Yann，非常荣幸能邀请到您。您是人工智能教父之一。我记得多年前刚开始做这档节目，就一直希望能邀请到像您这样的重量级嘉宾。

杨立昆：我不太喜欢这个称呼，因为我住在新泽西州。当你在新泽西被称为“教父”时，那意思可就完全不一样了。

主持人：非常有道理。您当初在所有人都不看好神经网络时选择押注于此，这本身就是一段传奇。而今天，您在某种程度上正以类似的方式，挑战当前备受推崇的大语言模型及主流的生成式架构。您最近还围绕这一主题成立了一个新团队。

我们今天的主旨是为听众带来关于AMI（高级机器智能）、您正在做的事情、您在Tapestry的一些工作，以及为什么您认为该领域在某些生成式模型上走错了方向。我们还想听听您对整个领域发展历程的见解，以及您在Meta的经历等等——这对于单期播客来说目标有点宏大。

我想从AMI（高级机器智能）开始，因为这个团队似乎最清晰地体现了您未来发展的技术构想。您在某种程度上正以类似的方式，挑战当前的生成式模型及主流的生成式架构。您在某种程度上正以类似的方式，挑战当前的生成式模型及主流的生成式架构。您在某种程度上正以类似的方式，挑战当前的生成式模型及主流的生成式架构。我们今天的主旨是为听众带来关于AMI（高级机器智能）、您正在做的事情、您在Tapestry的一些工作，以及为什么您认为该领域在某些生成式模型上走错了方向。我们还想听听您对整个领域发展历程的见解，以及您在某种程度上正以类似的方式，挑战当前的生成式模型及主流的生成式架构。我们今天的主旨是为听众带来关于AMI（高级机器智能）、您正在做的事情、您在Tapestry的一些工作，以及为什么您认为该领域在某些生成式模型上走错了方向。我们还想听听您对整个领域发展历程的见解，以及您在某种程度上正以类似的方式，挑战当前的生成式模型及主流的生成式架构。我们今天的主旨是为听众带来关于AMI（高级机器智能）、您正在做的事情、您在Tapestry的一些工作，以及为什么您认为该领域在某些生成式模型上走错了方向。我们今天的主旨是为听众带来关于AMI（高级机器智能）、您正在做的事情、您在Tapestry的一些工作，以及为什么您认为该领域在某些生成式模型上走错了方向。我们今天的主旨是为听众带来关于AMI（高级机器智能）、您正在做的事情、您在Tapestry的一些工作，以及为什么您认为该领域在某些生成式模型上走错了方向。我们今天的主旨是为听众带来关于AMI（高级机器智能）、您正在做的事情、您在Tapestry的一些工作，以及为什么您认为该领域在某些生成式模型上走错了方向。我们今天的主旨是为听众带来关于AMI（高级机器智能）、您正在做的事情、您在Tapestry的一些工作，以及为什么您认为该领域在某些生成式模型上走错了方向。我们今天的主旨是为听众带来关于AMI（高级机器智能）、您正在做的事情、您在TEpic的播客中，他坦诚地反思了大型科技巨头内部“基础研究与产品落地”之间的剧烈拉扯，以及他为何将AMI实验室的总部设在巴黎，且坚决不拿一分钱的硅谷风投。

杨立昆：外界对我的角色、我与FAIR（基础人工智能研究院）的关系，以及Meta内部是如何开展AI工作的，存在很大的误解。