圖靈獎得主楊立昆（Yann LeCun）再度對當前席捲全球的大語言模型（LLM）發出嚴厲批判，他認為這些模型雖然在文字處理上表現驚人，但其「理解」能力仍是表層、統計性的，缺乏基礎的常識、因果推理及物理世界認知，甚至無法與 4 歲幼童，或如貓狗等動物的智慧相比。
LeCun 與 DeepMind 資深研究科學家 Adam Brown 在紐約展開一場對談，兩人針對 LLM 的能力邊界、意識議題及未來 AI 架構進行了激烈的思想交鋒。
在探討 LLM 是否真正「理解」對話內容時，Adam Brown 持肯定態度，指出模型已能在複雜物理與數學競賽中擊敗人類。然而，LeCun 則更為謹慎，他堅信 LLM 的理解僅是透過對數十兆字文本的統計匹配。
LeCun 拋出了一個極具說服力的類比：「訓練最大 LLM 所需的 30 兆字文本資訊量，相當於一個四歲孩子透過感官與物理世界互動所獲得的資訊量。但這個孩子能學會倒水、收拾餐桌，而 LLM 卻連洗碗都做不到。」
他進一步指出，人類智慧植根於對底層現實世界的認知，而 LLM 缺乏這種「世界模型」。對於現實世界這種高維、連續、充滿不確定性的感官數據，僅僅依賴「預測下一個 Token」的訓練方法是行不通的。
曾公開表示，現有機器學習範式「很糟糕」，原因在於它缺乏人類所具備的直覺物理知識，如重力與慣性。
樣本效率低落：50 萬年的文本 vs 1.6 萬小時的學習
LeCun 強調了 LLM 驚人的「樣本效率低落」問題。他計算，訓練一個 LLM 所需的數據，相當於透過光纜閱讀 50 萬年的文字。相比之下，人類孩童在醒著的 16,000 小時裡，透過視覺神經接收的資料量雖與 LLM 訓練資料量相當，但卻能從中學會複雜的物理操作。
他強調：「現實世界的訊息比文本豐富、複雜得多。」雖然 Brown 引用 AlphaGo 的案例，認為樣本效率慢不代表無法超越人類，但 LeCun 堅持認為，如果將所有資源押注於現有的「預測下一個字」範式，人類將錯失真正通往「理解世界」AI 的架構。
LeCun 正在大力推動名為 JEPA（聯合嵌入預測架構）的新方向。他認為，真正的智能系統不應在「像素層面」進行預測，而應在抽象的特徵空間中學習物理規律與因果關係。
他認為這才是人類和動物大腦的工作方式：「忽略無關細節，只預測重要的抽象概念。」他將此視為打破現有 LLM 天花板的關鍵。
當前的 AI「絕對沒有」意識
在敏感的「意識」議題上，兩位科學家也存在分歧。 Brown 認為，如果科技持續演進，AI 未來有可能具備某種形式的意識。
LeCun 則明確表示，當前的 AI「絕對沒有」意識，但他認為意識若被定義為「自我觀測與目標驅動的調節能力」，那確實可以被構建，這是一個工程問題，但當下的系統遠未達到。
針對 AI 安全問題，LeCun 則展現了樂觀的「文藝復興」視角，並支持開源。他認為，當前的 LLM 是被動、可控的，知識和智能本身是好的。他更擔心的是 AI 技術被少數公司壟斷，這將對全球文化、語言和民主造成災難。
儘管 LeCun 認同當前 LLM 的能力驚人，但他堅信其根植於文本預測的範式存在嚴重缺陷。他呼籲 AI 研究社群應將資源投入到能賦予機器常識、世界模型和因果推理能力的新架構上，才能真正實現通用人工智慧。
新聞來源 (不包括新聞圖片): 鉅亨網