杨（立昆）世界模型与大语言模型：哪个才是真正的人工智能？

最近，人工智能界爆出图灵奖得主、Meta首席AI科学家杨立昆（Yang LeCun）即将离职创业的消息，引发了一场关于人工智能技术路径的根本性辩论和系统性思考。杨的出走，主要原因在于他坚信当前主导AI产业的大型语言模型（以下称为LLM）是一条"死路"，而真正的人工智能需要一种完全不同的架构——世界模型（本文将其称为“杨世界模型”，即YWM）。那么两个模型，或者说两种思路，到底哪个才是真正的人工智能呢？以下是个人粗浅的理解。

所谓的大语言模型全称Large Language Models，简称LLMs，是一种采用大量数据进行训练的人工智能模型，，基于Transformer架构，旨在理解和生成自然语言文本。我个人理解，这个模型的核心是（灌入）数据、（学习）训练和（言行）反馈。而杨立昆提出"世界模型"或"联合嵌入预测架构"，不妨暂将其称为杨世界模型（YWM）。其核心思想是，真正的智能不应该依赖于语言作为主要的学习媒介，而应该通过自监督学习，从视频、图像等感官数据中提取世界的内在结构，通过感知和预测物理世界的变化，来建立对环境的理解。

杨立昆在AI领域耕耘了40年，是卷积神经网络之父，他与约书亚·本吉奥、杰弗里·辛顿共同奠定了现代深度学习的基础，可以说是人工智能的鼻祖之一。但正是这位深度学习的奠基人，面对LLM模型的蓬勃发展，特别是其在某些行业和领域的初步应用，如今却变为质疑基于Transformer架构的大语言模型能否通向真正的智能的先驱，反映了其对当前人工智能现状的深刻思考。杨立昆义为，大型语言模型"对逻辑的理解非常有限"，永远无法实现像人类一样的推理和计划能力。在他看来，当前的LLM本质上是统计模式识别器，它们通过海量文本数据学习词语之间的概率关联，但缺乏对物理世界的真实理解。通过堆砌更多参数、投喂更多数据来追求通用人工智能，本质上是"胡说八道"。

杨认为，当前AI领域弥漫着一种危险的、对LLM能力无限夸大的炒作氛围，并多次强调，现有的语言模型连猫、狗的智能水平都达不到，因为它们缺乏对物理世界的基本常识。人类婴儿在学会说话之前，就已经通过看、听、触、感、悟以及互动等建立了关于物体、因果关系和物理规律的基本认知。猫也是通过对三维空间和物体运动的直觉理解，获取其在复杂环境中导航、追逐猎物、避开危险的能力。杨认为，AI系统也应该遵循类似的路径，而这正是当前LLM所缺失的。他讽刺那些宣称AI将在几年内超越人类的言论为"胡说八道"。当然，杨也并非完全否定深度学习或神经网络，而是主张需要新的架构和训练范式。但基于语言的学习只是人类智能的一小部分表现形式，真正像人类一样思考的AI，不是仅仅依赖文本，还必须让它们从感官数据中学习。

杨的观点在学术界有一定共鸣。一些研究者认为，当前基于Transformer的LLM虽然在处理序列数据方面表现出色，但它本质上是一个模式匹配器，缺乏真正的推理和因果理解能力。而人类的认知是多模态的，视觉、听觉、触觉等感官信息共同构建了我们对环境的理解。单纯依赖语言学习，就像试图通过阅读游泳手册来学会游泳——理论知识与实践技能之间存在无法逾越的鸿沟。但反对者也有充分的理由。他们认为LLM的潜力尚未充分释放。当前的语言模型可以在推理、规划等任务上取得显著进步，并已经能够完成复杂的多步推理、代码调试、科学问题求解等任务，这些能力在几年前被认为是不可能的。支持LLM路线的研究者认为，规模法则仍然有效，更大的模型、更多的数据、更好的训练方法将继续推动性能提升。

显然，争论的延伸必将涉及"智能"、人工智能、人的（类）智能等的基本定义。如果将智能定义为完成特定任务的能力，那么LLM已经在许多领域展现出超越人类的表现。正如前述，这种能力是一种统计模式识别器或模式匹配器工具，其核心仍然是按人设定的场景和方向完成任务，干的是收集整理数据、发现关联关系、机械重复动作、枚举逼近目标的工作，甚至有些就是假智能，完全是人在后台指挥或控制机器去完成任务。此外，它们要完成特定的任务仍然取决于正确的数据、客观的知识、确定的规则与可实现的场景。

但如果追求的是类人的通用智能（即人工智能），人类赋予机器能够灵活适应新环境、进行抽象推理、具备常识的系统，那么当前的模型确实还有很长的路要走。但这种能力本质上或最终仍然是人赋予机器的，实际上是解决了通过学习而获取智能的问题，是后学的的和被动的。但其比单纯的LLM模型前进了一步。这可能是杨立昆追求的目标，而不是一种单纯功能性AI。这样的智能在人类的引导下，通过不断的学习、调整、优化，自主的去实现人类期望其完成目标，甚至会出现人类不希望产出的结果，但不会先天的去为自己或为人类去设计目标。

而要真正达到人的（类）智能状态（兼具先天的与后学的，自主的与被动的智能），恐怕不是现在所提出的所有模型能够解决的，那条路可能长，更不可预期。例如，人类，一般的猫狗，其先天就具有许多智能（聪明不聪明），它们可以自主地去理解世界和自己、主动的改造世界和自身，而不用通过后天的学习和训练，不依赖于语言而存在。真要达到这样的状态，几乎不可能，除非人创造和地球新孕育出一种新的生物。不排除地外星球可能有，但这恐怕不是地球上人类的目标。

另外，虽然可以将现在的机器人、机器狗视为人工智能的一种应用，但绝不能将无人化等同为人工智能。现在很多行业或领域有一种认识，似乎用上无人化的装备就是实现了人工智能，实际上二者差得很远。