AI教父离职！LeCun怒撕硅谷：大模型就是集体幻觉，AGI根本不存在

哈喽，大家好，小今这篇主要来聊聊图灵奖得主LeCun离职前怒撕硅谷，押注“世界模型”叫板大模型泡沫，AI赛道正迎关键转向。

还有三周，图灵奖得主杨立昆（Yann LeCun）就要正式告别任职12年的Meta。这位65岁的AI大佬没有选择低调离场，反而在访谈中火力全开：硅谷痴迷的大模型路线就是死路一条，所谓的通用人工智能（AGI）纯属空谈，整个行业正陷入集体幻觉。

大模型的幻觉：鹦鹉学舌与真实理解的鸿沟

杨立昆直言不讳地指出，当下硅谷如火如荼的大模型，其实走的是一条“死胡同”。他用了一个非常形象的比喻来形容：大模型就像一只擅长模仿人类语言的鹦鹉，它能通过“死记硬背”海量的文本数据，说出听起来很像那么回事的答案，但它真的理解这些内容的含义吗？他认为，答案是否定的。

他抛出了一个对比：训练一个能用的大模型，需要天文数字般的文本数据，几乎是把整个互联网的信息都“喂”进去。然而，一个四岁的孩子，通过短短16000小时的视觉体验，就能建立起对真实世界的基本认知和逻辑理解。

这种理解，不是通过阅读文字获得的，而是通过与物理世界的互动、观察、感知得来的。大模型再怎么海量灌输文本，也无法弥补它对“物理世界”和“因果关系”的缺失。

文本毕竟只是对现实世界的简化描述，它缺乏真实世界的丰富性和复杂性。这种“机械模仿”与“真正理解”之间的鸿沟，在杨立昆看来，正是大模型最致命的局限。

硅谷的“羊群效应”：危险的单一文化

更让杨立昆感到痛心疾首的，是硅谷科技巨头们在AI发展路径上的“集体失明”。他尖锐地批评了这种“羊群效应”：OpenAI、谷歌、Meta等头部公司，像商量好了一样，都把宝押在了大模型这条路上。大家都在拼命堆砌参数、增加数据、投入巨大人力进行训练，仿佛这是一场军备竞赛，生怕自己落后于竞争对手。

这种“单一文化”在杨立昆看来，是极其危险的。它让整个行业陷入了一种盲目的同质化竞争，却没有人敢跳出固有思维的框架，去探索完全不同的可能性。

他甚至透露，即使在这些巨头公司内部，也有不少人清楚大模型这条路并非万能，甚至可能走向死胡同，但碍于各种压力，没有人敢站出来公开反对。这种对“主流”的盲从，使得整个行业错失了探索更多元、更具突破性技术路线的机会。

“世界模型”的破局：像人一样理解世界

面对大模型的局限和硅谷的“羊群效应”，杨立昆并非只是批评，他早已将自己的学术声誉和未来押注在另一条截然不同的赛道上，就是“世界模型”。他创办的新公司AMI（Advanced Machine Intelligence），正是致力于用一种名为JEPA（联合嵌入预测架构）的技术，来重新定义AI的发展路径。

“世界模型”的核心理念，是要让AI学会像人类一样，抽象地理解世界，并在表征层面预测行动后果。这就像我们人类，通过经验和对世界的理解，来规划自己的行为。举个例子，当我们拿起一个杯子，我们知道如果松手它会掉落，这是我们对物理世界因果关系的理解。而大模型缺乏这种深层次的“世界观”。

他即将推出的LeJEPA技术，就是他对抗大模型潮流的“利器”。这项技术是基于JEPA架构的升级版，它能让AI在更抽象的表征空间中进行学习，自动筛选掉无用的细节，聚焦于事物的核心规律。

这样做的好处是显而易见的：它能大幅提升数据利用效率，避免大模型那种海量数据堆砌的低效，同时也能解决早期模型容易出现的“坍塌”问题。

他的团队已经用V-JEPA 2模型在相当于一个世纪时长的视频数据上进行了训练，这不仅证明了视觉数据对构建“世界模型”的重要性，也预示着AI理解真实世界的潜力。

AGI的迷思：从“狗”到“人”的AI进化论

对于当下炙手可热的AGI（通用人工智能）概念，杨立昆则直接泼了一盆冷水。他认为，这个概念本身就是“毫无意义”的。他指出，人类智能是高度专业化的，不存在一种包罗万象的“通用”能力。我们每个人在不同领域都有自己的特长，而并非在所有方面都“通用”。

他给出了一个非常务实的预测：未来五到十年，AI能够达到接近“狗”的智能水平，这已经是极其乐观的估计了。而要真正达到人类的智能水平，可能需要二十年以上，并且必须彻底突破当前的技术框架。

但他提出了一个有趣的观点：AI从“狗”的智能升级到“人”的智能，也许没有想象中那么困难。

他猜测，如果能有效整合语言能力，大模型或许可以充当AI的“语言中枢”，负责沟通和表达，而“世界模型”则对应着人类大脑中负责规划、决策的“前额叶皮层”。二者结合，或许能构成未来AI智能的完整体系。

另辟蹊径：开源精神与未来AI人才培养

离开Meta后，杨立昆并没有选择退休，而是将在巴黎设立AMI总部，继续秉持开源研究的传统。他吐槽现在科技巨头越来越封闭的研究环境，认为这背离了科学探索的本质。

他的新公司不仅要做前沿研究，更计划将基于“世界模型”的技术转化为实际产品，目标是成为未来智能系统的核心供应商。

最后，这位AI泰斗还给年轻人提供了一个颠覆性的建议：别死磕计算机科学。他鼓励大家优先学习数学、物理、工程学这些“保质期长”的基础学科。

在他看来，物理学能够教会你如何建立预测模型，工程学则提供控制理论和优化工具，这些才是构建AI的核心底层能力。技术潮流瞬息万变，而理解世界运作的底层逻辑，才是永远不会过时的核心竞争力。

他这次离职前的“最后警告”，不仅是他对硅谷AI路线的一次公开宣战，更是他对整个AI行业的一次深刻反思和清醒呼吁：真正的AI突破，从来不是在同一条路上“内卷”出来的，而是需要我们敢于走出舒适区，重新审视智能的本质，探索那些被主流忽略的、更具潜力的路径。