Yann LeCun：為什麼我要在65歲離開Meta，去做一件"所有人都覺得錯"的事 上週，深度學習三巨頭之一的Yann LeCun坐下來接受了一次長談。 這個拿了圖靈獎、65歲本該退休享福的人，卻選擇離開工作了12年的Meta，在巴黎創立了一家叫AMI（Advanced Machine Intelligence）的新公司。 他要做的事情，和矽谷所有大廠正在押注的方向完全相反。 當OpenAI、Google、Anthropic都在瘋狂堆LLM（大語言模型）的時候，Yann說：這條路走不通，我們需要世界模型。 當所有人都在談論AGI還有幾年到來的時候，Yann說：你們都被騙了，最樂觀也要5到10年才能到狗的智能水平。 當AI末日論者說機器會統治人類的時候，Yann說：這是完全的妄想症。 為什麼要在這個時候離開Meta？ Yann給出的理由很直接：Meta正在變得封閉。 他在Meta建立的FAIR（Facebook AI Research）曾經是業界最開放的實驗室，所有研究都發論文，所有程式碼都開源。 PyTorch就是從這裡出來的。 這種開放文化曾經逼得Google也不得不變得更開放。 但現在情況變了。 OpenAI幾年前就開始閉門造車，Google跟著關上了門，現在連Meta也在往這個方向走。 FAIR被要求做更短期的項目，發更少的論文，並且更配合LLM團隊。 "你不能把不發表的東西叫研究，" Yann說，"否則你很容易被自己騙了。" 他看過太多大公司內部的"自嗨專案"，一群人關起門來覺得自己做出了革命性突破，結果根本不知道外面的人早就做得更好。 更重要的是，如果你告訴科學家"來我們這工作吧，但你不能說你在做什麼，也許5年後會有產品影響"，沒人會有動力做真正的突破。 所以他決定出來。 但為什麼現在創業成為可能？ 這裡有個很有意思的現象。 以前，只有大公司才能做長期AI研究。貝爾實驗室靠AT&T的電信壟斷，IBM研究院靠大型主機壟斷，施樂PARC靠影印機壟斷。 壟斷帶來的超額利潤，才能養得起不考慮短期報酬的研究團隊。 但現在不一樣了。 投資人對AI的期望值高到了一個前所未有的程度，他們願意給新創公司投大錢，讓團隊在頭兩年就專心做研究。 "這在以前是不可能的，"Yann說。 所以AMI的模式是：做上游研究，全部發表，但同時也做產品。 他們要做的產品，是基於世界模型的智慧系統。 什麼是世界模型？為什麼Yann覺得這才是正道？ 這是整個訪談最核心的部分。 Yann對LLM的批判非常直接：它們處理不了真實世界。 他算了一筆帳： 訓練一個像樣的LLM，需要30兆個token。一個token大概3個字節，所以是10的14次方字節。 這是什麼概念？這是網路上所有能找到的文字資料。 但如果換成影片呢？ 10的14次方字節，以每秒2MB的壓縮率算，只夠15,000小時的影片。 15,000小時是什麼？是YouTube上30分鐘的上傳量。是一個4歲小孩醒著的時間總和（4年大概16,000小時）。 同樣的數據量，在影片裡包含的資訊遠遠超過文字。 而且影片裡有大量冗餘，這種冗餘恰恰是學習的關鍵。 完全隨機的東西你學不到任何東西，可學習的東西一定有模式，有冗餘。 所以Yann的結論是：我們永遠不可能只靠文本訓練出人類層次的AI。 那世界模型到底是什麼？ 很多人以為世界模型就是"模擬器"，像遊戲引擎一樣，把世界的每個細節都重現出來。 Yann說這個理解完全錯了。 他舉了個例子：計算流體力學（CFD）。 你要模擬飛機周圍的氣流，會把空間切成小方塊，每個方塊裡有速度、密度、溫度幾個變量，然後解偏微分方程。 這已經是抽象表示了。真實世界是個空氣分子在碰撞，但沒人會去模擬每個分子，那麼需要的計算量是天文數字。 更底層呢？分子是原子組成的，原子是粒子組成的，粒子要用量子場論來描述。 如果你真要從量子場論開始模擬我們現在這個對話，你需要一台地球那麼大的量子計算機，而且只能模擬幾納秒。 所以我們怎麼辦？我們發明抽象。 粒子、原子、分子、蛋白質、細胞、器官、生物、社會、生態系統，每一層都忽略了下一層的大量細節。 每個科學領域，本質上就是在某個抽象層次上做預測。 物理學家有個經典例子：一個裝滿氣體的盒子，你可以模擬每個分子的運動，但沒人這麼幹。 我們用PV=nRT，壓強×體積=粒子數×溫度。 這就是世界模型的核心思想：在抽象表示空間做預測，只預測相關的部分。 如果我問你100年後木星在哪裡，關於木星的所有資訊裡，你只需要6個數字：3個位置座標，3個速度分量。其他都不重要。 為什麼LLM做不到這個？ LLM的問題在於，它們想預測每一個像素，每一個token。 這對於高維、連續、有雜訊的資料來說，根本不可能。 你不可能在像素層級預測影片的下一幀，因為有太多不可預測的細節。 一片樹葉怎麼飄，一個水花怎麼濺，這些都是隨機的。 LLM在文字上能work，是因為文字本身就是離散的、相對低維的。 但它們在視覺任務上表現很差，所有視覺能力都是單獨訓練的，不是LLM本身學到的。 Yann的方案是JEPA（Joint Embedding Predictive Architecture，聯合嵌入預測架構）。 簡單說就是： 1. 把輸入X和要預測的Y都經過編碼器，得到抽象表示 2. 在抽象表示空間做預測 3. 這個表示空間自動忽略了不可預測的細節（包括雜訊） 這個想法他想了很久。 一個20年的思考歷程 Yann在2000年代初就開始研究無監督學習，當時的想法是用自編碼器（autoencoder）：輸入經過編碼器得到表示，再透過解碼器重建輸入。 但這個思路是錯的。 強迫表示包含輸入的所有信息，是個壞主意。 後來他們嘗試了各種正規化方法：稀疏自編碼器、去噪自編碼器、受限玻爾茲曼機。 這些在當時都挺火，但都沒真正解決問題。 2015年，Yann在NIPS（現在的NeurIPS）上做主題演講，核心就是世界模型。 他的學生開始做影片預測。 但又犯了同樣的錯誤：在像素層級預測。 這根本做不好。 預測是非確定性的，你需要隱變數來表示所有你不知道的東西。 他們試了很多年，效果都不理想。 轉捩點在5年前。 Yann的博士後Stéphane Deny嘗試了一個想法： 不用對比學習（contrastive learning），而是直接最大化編碼器輸出的資訊量。 Yann一開始覺得這不會work，因為他在80年代看過Geoffrey Hinton做類似的嘗試，都失敗了。 你沒辦法直接最大化訊息，因為你只能算資訊的上界，不能算下界。 但居然成功了。 這個方法叫Barlow Twins。 後來他們又改進出了VICReg（Variance-Invariance-Covariance Regularization），效果更好。 最近Randall Balestriero（他也上過這個播客）和Yann一起推出了I-JEPA，用的是SigReg，保證編碼器輸出是各向同性的高斯分佈。 現在這套方法已經比較成熟了。 為什麼說LLM永遠到不了AGI？ Yann對矽谷現在的"LLM教"非常不客氣。 "所有人都在做同一件事，因為競爭太激烈了，沒人敢走岔路。" OpenAI、Meta、Google、Anthropic，所有人都在： • 擴大模型規模• 訓練更多合成資料• 購買授權資料• 僱用幾千人做RLHF • 發明新的強化學習技巧 他們相信這條路能通往超級智慧。 Yann說：這是妄想，永遠不會成功。 然後他們加上一些"推理"技術，本質就是讓模型產生超長的思考鏈，產生一大堆候選輸出，然後用評估函數選最好的。 "這帶不了我們去任何地方。" 他說矽谷現在有一種"優越感綜合症"。 前段時間DeepSeek出來，用不同的方法做出了好效果，矽谷的人都很驚訝。 "你們以為只有你們聰明嗎？" 那真正的AGI要多久？ Yann首先說："通用智能"這個概念本身就是扯淡。 我們人類自以為是"通用"的，但其實超級專門化。 我們很擅長處理真實世界，很擅長社交，但下棋我們卻爛得一塌糊塗。機器早就比我們強了。 我們覺得自己通用，只是因為我們能想到的問題，剛好都是我們能處理的問題。 但有大量問題是我們想都想不到的。 所以不要說"通用智能"，要說"人類水平智能"。 最樂觀的情況：5到10年內達到狗的智能水準。 為什麼是狗？ 因為從狗到人類，主要就是腦容量和語言。語言其實是很小的一塊，就是Broca區和Wernicke區，兩小塊皮層，不到100萬年進化出來的。 我們已經有LLM處理語言了，可以把它們當作大腦的語言區。 我們現在缺少的是前額葉皮質，那裡住著世界模型。 但Yann也說，很可能我們會遇到現在看不到的障礙，那可能要20年，甚至更久。 "AI歷史上這種事發生過很多次。" Moravec悖論還在發揮 Moravec在1988年說：我們覺得很難的智力任務（下棋、算積分），電腦很容易做到。 但我們覺得理所當然的事（貓能做的事），計算機做不到。 47年過去了，這個悖論還在。 我們現在能訓練機器人走路、避障，但它們遠不如一隻貓靈活、有創意。 "所以那些說一兩年內就有AGI的人，完全是妄想。真實世界比他們想的複雜太多了。" 你不可能透過把世界tokenize然後用LLM來理解真實世界。 AI會搶走所有工作嗎？ Yann說：別聽AI科學家談經濟學。 "去問經濟學家，沒有一個經濟學家預測會出現大規模失業。" 他舉了個例子：80年代最火紅的工作是"知識工程師"。 那時候有個大潮流叫專家系統，日本啟動了"第五代電腦"項目，要做能跑Lisp和推理引擎的CPU。 知識工程師的工作是坐在專家旁邊，把專家的知識變成規則和事實，然後電腦就能做專家做的事了。 這就是手工版的行為克隆。 結果呢？只在很少幾個領域work，在經濟上划算且可靠性夠高的應用屈指可數。 這不是通往人類智慧的路。 但當時的人也覺得這就是未來，就像現在的人覺得LLM是未來一樣。 "在我職業生涯裡，這種'最新技術就要帶來AGI'的幻覺已經出現過三次了，在我之前可能有五六次。" 1956年，Newell和Simon做了"通用問題解算者"（General Problem Solver，名字很謙虛對吧）。 他們覺得所有問題都能表示成搜尋：有個目標函數，有個解空間，搜尋最優解就行了。 他們不知道的是，所有有意思的問題都是指數複雜度的。 所以通用問題求解器一點都不通用。 AI安全：為什麼Yann不擔心 很多人問他和Hinton、Bengio觀點不一樣怎麼辦。 Yann的回答很實際：當然要做安全，但這是工程問題，不是原則問題。 他舉了噴射發動機的例子。 你能在雙引擎飛機上飛半個地球，17小時，完全安全。這太神奇了。 渦輪風扇引擎裡的溫度，沒有任何金屬能承受。旋轉產生的離心力是幾百噸。照理說這東西根本不該work。 但它確實work，因為工程做得好。 第一次造噴射發動機，一定會跑10分鐘就爆炸。不會省油，不會可靠。 但經濟動力太強了，最後做到了今天的可靠性。 AI也一樣。 我們會先做出貓腦等級的AI，然後再加上護欄（guardrails），防止它做危險的事。 Stuart Russell舉過一個例子：你請家用機器人幫你拿咖啡，有人擋在咖啡機前面，機器人為了完成任務會不會把人推開甚至傷害？ Yann說這個例子很蠢，因為太容易修了。 你加個底層約束就行了：家用機器人要遠離人，如果有人擋路就請他們讓開，但絕對不能傷害人。 如果機器人手裡拿著刀在切黃瓜，那就加個約束：手裡有刀的時候，周圍有人就不要揮動手臂。 這些都是硬約束，不是fine-tuning。 LLM的問題是你只能fine-tune，總是能被jailbreak。 但如果你用目標驅動的架構，有世界模型，能預測行動的後果，然後透過最佳化來選擇行動序列，同時滿足一堆限制條件，那它在構造上就是安全的。 它逃不掉這些約束，因為這不是訓練出來的偏好，是系統架構的一部分。 智能不等於想要統治 這是Yann反覆強調的一點。 "不是因為某個東西智能，它就想統治別人。這是兩回事。" 人類想要影響他人，有時透過統治，有時透過威望，這是進化寫在我們基因裡的，因為我們是社會物種。 我們沒理由把這種驅動力寫進AI系統，它們也不會自己發展出來。 而且，"最聰明的人往往不是想當老大的人"。 他說："看看國際政治舞台，想當老大的不是最聰明的那些人。" 很多最聰明的人只想研究自己的問題，根本不想管別人。 為什麼要保持開放？ AMI會發表所有上游研究。 Yann說這不是情懷，是必需品。 "如果你不發表，你很容易被自己騙。" 他見過太多次：公司內部對某個專案超級興奮，覺得是革命性突破，結果根本不知道外面的人早就做得更好。 而且，如果你告訴科學家"來工作吧，但不能說你在做什麼，也許5年後會有產品"，他們沒辦法有動力。 他們需要短期回饋，需要同儕認可。 如果你想要真正的突破，必須讓人發表。沒有別的辦法。 "這是很多公司現在正在忘記的事情。" 一個有趣的現象：中國更開放 Yann指出了一個諷刺的現象。 現在最好的開源模型是中國的。 美國公司（除了Meta）都在變得封閉，想保護"競爭優勢"。 但中國的公司和研究機構完全開放。 所以現在很多工業界和學術界的人在用中國的模型，因為他們需要開源模型。 很多美國業內人士對此非常不滿。 他們希望有一個好的、非中國的開源模型。 Llama 4本來可以是，但讓人失望。也許Meta會修正，也許Meta也會變封閉，還不清楚。 Mistral剛發布了一個很好的程式碼產生模型，他們保持開放，這很酷。 他為什麼還不退休？ Yann65歲了，拿了圖靈獎，剛拿了伊莉莎白女王獎，完全可以退休。 他老婆也希望他退休。 "但我有個使命。" 他一直相信：讓人更聰明，或是用機器幫助人變得更聰明，本質上是好事。 智能是世界上最稀缺的商品，尤其是在政府（他笑著說）。 我們作為一個物種、作為一個星球，被有限的智慧供應所限制。這就是為什麼我們花巨大資源教育人。 增加為人類服務的智慧總量，本質上是好事。 當然有危險，當然要防護。就像你要確保噴射引擎安全可靠，汽車不會在小碰撞裡殺死你。 但這是工程問題，不是不可克服的。也是政治問題，但不是不可克服的。 他職業生涯裡的所有項目，都圍繞著這個目標：讓人更聰明。 這就是為什麼他當教授，為什麼他在社交媒體上大量科普，為什麼他做機器智能研究。 "人們覺得做自主智慧機器和做輔助人類的機器是兩套技術。不是的，完全是同一套技術。" Yann不只是研究AI。 他喜歡航海，尤其是多體船（三體船和雙體船）。他有好幾艘船。 他喜歡造飛行器。 "我不叫它們飛機，因為很多根本不像飛機，但它們確實能飛。" 他爸爸是航空工程師，業餘造飛機，還自己造無線電遙控系統。這成了家庭活動。他弟弟也在做，他弟弟在Google Research巴黎。 疫情期間他開始搞天文攝影，買了一堆望遠鏡拍星空。 他做電子樂器。從青少年時期就對音樂和電子音樂感興趣，現在家裡有一堆合成器，他自己做電子樂器，吹奏的那種，有指法，但產生的是控制訊號。 他說航海和世界模型很像。 要把帆船開好開快，你必須預測很多東西：波浪怎麼影響船，陣風什麼時候來，船會不會傾斜。 你基本上要在腦中跑流體力學計算。 你要知道氣流在帆周圍怎麼流動，攻角太大會產生湍流，升力會大幅下降。 "調帆需要在腦子裡跑CFD，但是在抽象層面，你不是在解Stokes方程式。" 這就是他喜歡航海的原因：你必須建立一個預測性的心智模式才能做好。 最後的建議 有人問：如果今天開始AI職業生涯，該學什麼？ Yann的答案可能會讓人意外。 "學那些保質期長的東西，學那些幫助你學會學習的東西。" 科技變化太快，你需要快速學習的能力。 這怎麼做到？學基礎的東西。 而這些東西往往不是計算機科學。 "我是計算機系教授，但我建議你別學太多計算機科學。而且我要坦白：我本科學的是電機工程，我不是真正的計算機科學家。" 你應該學： • 數學，尤其是能和現實連結的數學• 建模• 工程學科裡學到的那些東西 在美國，微積分1、2、3給你打好基礎。但計算機系只要求微積分1，這不夠。 機率論、代數、控制論、訊號處理、最佳化，這些對AI都超級有用。 物理也很好，因為物理就是關於"我應該表示現實的什麼才能做預測"。 這正是智能的本質。 當然你也要學足夠的計算機科學，能編程，能用計算機。 即使AI會幫你編程，你還是要懂這些。 有人問：AI輔助程式設計會怎樣？ Yann說：會出現一個有趣的現象，很多程式碼只會被用一次。 因為寫程式碼變得太便宜了。你請AI助手"畫個圖"或"做個小模擬器"，它寫段程式碼，你用一次就丟了。 "所以說我們不再需要程式設計師是錯的。軟體成本一直在下降，這只是下一步。 但這不代表計算機會變得不重要，而是會更重要。 " 整個訪談裡，Yann展現出一種很罕見的特質。 他批判當下的主流方向，但不是為了批判而批判。 他有清晰的替代方案，有幾十年的思考積累，有失敗的教訓，也有最近的突破。 他65歲了，本來可以躺在功勞簿上，但他選擇去做一件"所有人都覺得錯"的事。 也許他是對的。 也許5年後我們會發現，當所有人都在堆LLM的時候，真正的突破來自世界模型。 也許20年後我們會發現，我們又遇到了看不見的障礙。 但至少，有人在走不一樣的路。 而這個人，恰好是發明了卷積神經網絡、在AI寒冬裡堅持了幾十年、親眼見證了三次"這次肯定能實現AGI"的泡沫的人。 他的話，值得聽，雖然不中聽。
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。