I said "auto-regressive LLMs, in and of themselves, will not lead human-level AI" That statement is...

Yann LeCun 在 X 上的发言："我曾表示‘自回归大语言模型（LLMs）本身无法实现人类水平的AI’，这一观点依然完全成立。首先，当前AI系统的推理能力基于非自回归搜索（这正是我一直以来倡导的方法）。但据我所知，它们目前在token空间中进行搜索，这种方式存在局限且效率低下。我曾提出，类人推理必须是在连续表示空间中进行的搜索。看起来行业正在向这个方向发展。其次，当前的自我改进方法仅适用于输出质量可以被评分而无需人工干预的领域，例如数学、代码和可以精确模拟的场景。其他领域则无法适用。人类和动物学习新技能的效率远高于当前的强化学习方法。第三，当前AI助手的多模态能力通常使用单独训练的编码器（这些编码器并非大语言模型）。这也是我一直在倡导的方式。不过我认为最佳方法是通过自监督学习训练的JEPA模型。研究社区显然正在向这个方向迈进（仅四年时间就发表了3000篇关于JEPA的论文）。第四，如果大语言模型是通向人类水平AI的路径，那么现在应该已经拥有家用机器人以及面向消费者的L4或L5级自动驾驶汽车。但事实并非如此。我们甚至没有能够通过20小时学习驾驶或像任何青少年一样练习驾驶的汽车。要声称达到人类水平的智能（更不用说超人类水平），我们仍然缺少某个非常关键的要素。当然，我们现在确实拥有令人印象深刻的计算机系统，它们在越来越多的领域（例如编程）表现出超人类水平的性能，且非常实用。但计算机技术的进步历史始终如此。最后，人们对‘智能’本质存在基本误解。智能不仅仅是现有声明性知识的积累和复述（这本质上就是大语言模型所做的）。正如让·皮亚杰（Jean Piaget）曾著名指出的：‘智能不是你所知道的，而是当你不知道时所做的事情。’它是在没有先前训练的情况下解决新问题的能力，是在前所未见的场景中采取行动的能力，以及在极少训练下快速适应新情况的能力。我们距离实现这一点还有很长的路要走。"

2026年9月20日 下午2:07

·

628.9K

次浏览

199

557

3.5K

1.8K