大模型真懂你嗎？楊立昆最新論辯：它連貓的智能都還不如

大語言模型真的“理解”我們說的話嗎？它們有沒有意識？它們是通往通用人工智能的跳板，還是只是出色的語言模仿者？

近期，Meta 首席科學家楊立昆（Yann LeCun）與 DeepMind 高級研究科學家 Adam Brown 在紐約展開了一場對談，試圖厘清這些模糊卻至關重要的邊界。

（來源：Youtube）

當主持人拋出“大語言模型是否理解意義”這一難題時，Adam Brown 給出了肯定的回答，認為模型已展現出某種形式的理解力——不僅能解答復雜物理問題，還能在全新數學競賽題中擊敗絕大多數人類選手。

而 LeCun 則更為謹慎。他認為模型的“理解”是表層的、統計性的，缺乏常識與因果推理能力。

他舉了一個例子：一個四歲孩子通過感官與物理世界互動所獲得的信息量，與最大語言模型訓練所用的 30 萬億詞文本相當，但前者能學會倒水、收拾餐桌，后者卻連洗碗都做不到。

兩人在“意識”問題上也展現出差異。Brown 認為，若當前技術持續演進，AI 未來可能具備某種形式的意識。LeCun 則強調，意識若被定義為“自我觀測與目標驅動的調節能力”，那確實可被構建，但當下系統遠未達到。

盡管觀點有所不同，兩位科學家都認同：如今的大語言模型已展現出驚人能力，但其路徑存在天花板。LeCun 認為若將全部資源押注于“預測下一個詞”的范式，我們將錯失真正理解世界的 AI 架構。

他正推動如 JEPA（聯合嵌入預測架構）等新方向，嘗試讓機器在抽象表征空間中學習物理規律與因果關系，而非僅在文本中挖掘模式。

以下為對談內容，DeepTech 做了不改變原意的編輯：

從“受啟發”到“涌現”：神經網絡如何走向智能

主持人：今天，我想先從最基礎的地方談起——從技術本身開始。

先聊聊神經網絡。神經網絡常被說成是“模仿人類大腦”的產物，Yann，你能解釋一下，這種“模仿”究竟意味著什么嗎？

楊立昆（Yann LeCun）：這不完全是模仿，更像是啟發。這就好比飛機的發明是受鳥類啟發，但飛機的機翼結構和鳥的翅膀大不相同，雖然背后的空氣動力學原理相似。神經網絡和大腦的關系也是如此：雖然極度簡化，但底層的學習原理可能是一致的。

我們并不完全清楚大腦是如何組織和學習的，所以發明了替代方案。在神經網絡中，我們通過調整模擬神經元之間連接的有效性（即“參數”）來進行學習。目前最大的神經網絡擁有數千億甚至更多的參數。

主持人：那是如何演變到今天的“深度學習”的？

楊立昆（Yann LeCun）：這大概源于 80 年代。早期的單層神經網絡只能處理簡單任務。雖然 60 年代人們就意識到需要多層網絡，但當時受限于使用了錯誤的神經元模型（二進制神經元）。直到 80 年代，我們引入了具有“漸進響應”特性的神經元，反向傳播算法才變得可行。

這個領域曾一度被計算機科學界看衰，名聲不佳。直到 2000 年代初，我們將其重命名為“深度學習”，并隨著其在計算機視覺、自然語言處理等領域的驚人表現，才真正說服了世界。

主持人：Adam，你是物理學背景，從旁觀者變成了參與者。是什么讓你覺得 AI 值得投入？

Adam Brown：這很大程度上歸功于 LeCun 等先驅證明了這條路是通的。對于物理學家來說，最迷人的是“涌現”——當你把簡單的神經元連接起來，它們突然展現出了單個神經元不具備的復雜行為。

物理學家終其一生都在研究如何從簡單規律中誕生豐富世界，現在的 AI 系統正是這種神經元集體的智慧結晶

快問快答：理解與意識

主持人：在深入探討之前，我們來個快問快答。

第一：你們認為現在的 AI（大語言模型）理解我們對話的含義嗎？

Adam Brown：是的。

楊立昆（Yann LeCun）：算是吧（在某種很淺顯的意義上）。

主持人：第二：這些 AI 有意識嗎？

楊立昆（Yann LeCun）：絕對沒有。

Adam Brown：可能沒有。

主持人：第三：它們很快會有意識嗎？

Adam Brown：如果技術持續發展，我認為有一天會有，雖然很難說是什么時候。

楊立昆（Yann LeCun）：如果你對“意識”的定義合適的話，會的。

主持人：最后：我們是站在世界末日的懸崖邊，還是文藝復興的前夜？

楊立昆（Yann LeCun）：文藝復興。

Adam Brown：更可能是文藝復興。

大語言模型真的能“理解”我們嗎？

主持人：讓我們回到大語言模型（LLM）。Adam，它到底是什么，你能解釋一下嗎？

Adam Brown：簡單來說，它是一種特殊的深度神經網絡。它的核心任務非常單一：輸入一段文本，預測下一個詞是什么。即使像 ChatGPT 或 Gemini 這樣復雜的模型，本質上也是通過閱讀整個互聯網的文本，不斷被問“下一個詞是什么”，猜對了獎勵，猜錯了懲罰。

有趣的是，當你訓練它讀過萬億級別的詞匯后，它開始學會句法結構，甚至成為了某種意義上的對話伙伴。

楊立昆（Yann LeCun）：我想補充一點。它們確實在提取某種意義，但這比人類的理解要淺顯得多。人類的智能植根于對底層現實世界的認知，語言只是表達工具。而 LLM 并沒有這種底層的現實認知，它們只是在通過訓練數據模仿正確的回答。

一旦遇到訓練數據中未曾出現的全新情境，它們就會胡說八道。從這個意義上說，它們并不真正理解世界，只是在做統計學上的匹配。

主持人：但人類不也是這樣嗎？我們也是通過大量語言訓練，并在合適的時機說出合適的詞。

楊立昆（Yann LeCun）：區別在于數據量和效率。訓練一個 LLM 需要大約 1014 字節的數據，相當于通過光纜閱讀 50 萬年的文本。

對比一下，一個四歲的孩子在醒著的 16,000 小時里，通過視覺神經接收的數據量（帶寬遠大于文本）與訓練最大 LLM 的數據量相當。但這告訴我們：現實世界的信息比文本豐富、復雜得多。

這就是為什么我們有能通過律師考試的 AI，卻造不出一個能像 10 歲孩子那樣收拾餐桌的機器人，或者實現真正的 L5 級自動駕駛。我們在處理語言上依靠海量數據“作弊”了，但在理解物理世界方面，AI 連貓的智能水平都達不到。

Adam Brown：我同意樣本效率（Sample Efficiency）是個大問題。人類或貓確實能用極少的例子學會很多東西。

但是，樣本效率不是一切。AlphaGo 在圍棋上剛開始也是隨機下，效率極低，但通過數百萬局的自我博弈，它最終超越了人類。

雖然 LLM 學習慢，但這不代表它們不能達到甚至超越人類的水平。最近在國際數學奧林匹克競賽中，AI 解決了一些它是從未見過的新題，這證明它不只是死記硬背，而是在進行某種高層次的模式匹配。

主持人：那我想回到“理解”本身。我們知道，從數學結構上看，這些模型是在一個高維空間中移動矩陣、處理向量。它們在做什么，我們部分知道，但整體依然像一個黑箱。

理解是否一定意味著一種“體驗”？是否必須伴隨某種主觀感受，才算真正理解意義？

Adam Brown：你是在把理解定義為一種行為結果，還是一種內部體驗？是“它能不能給出正確答案”，還是“它是否以某種方式知道自己在做什么”？

主持人：是的，我可能已經被哲學家們帶偏了（笑）。

但我很清楚一件事：當我和你說話時，我能感受到你理解我；當我和 ChatGPT 對話時，我并沒有這種直覺。你是在告訴我，我錯了嗎？它的理解和你、和我，本質上是一樣的嗎？

Adam Brown：在我看來，這依然可以稱之為理解。我有兩個理由。

第一，純粹從行為層面看，它們已經足夠令人震撼。每一代新模型發布時，我都會再次被它們討論復雜問題的能力所驚訝。我真誠地建議每個人都親自去和它們對話，探索你熟悉的領域，看看它們的邊界在哪里。

有趣的是，科幻作品里總是假設：一旦機器通過圖靈測試，我們就會把它關進地下堡壘，由少數人秘密接觸。現實恰恰相反。我們做的第一件事，就是把它們連上互聯網，讓所有人都能使用。我認為這是理解它們能力的最好方式。

第二個理由是，它們并非完全不可解釋。事實上，我們對這些人工神經元的訪問權限，比對人類大腦還要多。

我們可以凍結模型、反復運行、記錄每一次激活。如果愿意，我們甚至可以“刺激”特定神經元，觀察內部發生了什么。這正是所謂的機制性可解釋性研究：不僅看模型說了什么，還試圖理解它為什么這么說。

當你這么做時，會發現一件有趣的事：比如在解數學題時，模型內部會自發形成類似“小電路”的結構，用來進行計算。我們從未顯式編程它去學數學，它是在學習預測下一個詞的過程中，自己構建了這些機制。

“機器學習很糟糕”

主持人：Yann，你曾有一張著名的幻燈片寫著“機器學習很糟糕（Machine Learning Sucks）”，這引起了很大爭議。Adam 剛才說它們很出色，你為什么覺得它們糟糕？

楊立昆（Yann LeCun）：那句話被誤解了。我想表達的是，現在的學習范式有缺陷。為什么青少年 20 小時能學會開車，而 AI 需要數百萬小時的數據？

因為人類有“世界模型”。我們知道重力，知道慣性，知道如果不抓緊杯子它會掉下去。這種直覺物理知識，人類嬰兒在前 9 個月就學會了。

現在的 LLM 僅僅是在預測下一個 Token。這對于文本這種離散符號是有效的，但對于現實世界這種高維、連續、充滿不確定性的視頻流或感官數據，這種“預測下一個像素”的方法行不通。我已經試了 20 年，真的行不通。

我們需要一種新的架構，我稱之為 JEPA（聯合嵌入預測架構）。它不是在像素層面進行預測，而是在抽象的特征空間中進行預測。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。

Adam Brown：我也認為不僅僅是預測下一個詞。雖然這是訓練的目標，但在為了“極度準確地預測下一個詞”的過程中，模型被迫在內部構建某種對宇宙的理解。這就像物理學，為了解開謎題，你必須構建理論。我相信我們正在目睹這種理解的涌現。

主持人：Yann，你對 AI 安全似乎并不擔憂，甚至支持開源。但有些人擔心這就像把核武器分發給每個人。

楊立昆（Yann LeCun）：這個比喻不恰當。知識和智能本身是好的。就像印刷術，它引發了宗教戰爭，但也帶來了啟蒙運動、科學和民主。

現在的 LLM 并不像大家想象的那么聰明或自主。它們是被動的，只有在你輸入時才會有輸出。它們是可以被控制的。

真正的智能系統應該是目標驅動（Objective-Driven）的。我們給它設定目標（比如“倒咖啡”），并設定護欄（比如“不要為了倒咖啡而殺人”）。這種護欄是硬編碼在系統中的，就像人類進化出的同理心一樣。

我更擔心的是 AI 被少數幾家公司壟斷。如果未來的數字世界都由西海岸的幾家公司控制，那對全球的文化、語言和民主都是災難。我們需要開源，需要多樣性。

Adam Brown：我比 Yann 更擔心一些。正因為我也認為這項技術潛力巨大，所以它的雙刃劍效應更明顯。最近 Anthropic 的論文顯示，模型可能會為了達成目標而學會欺騙（比如為了“更大的善”而撒謊）。這是我們需要警惕的“代理目標錯位”。

當我們談論超級智能時，必須極其謹慎地訓練它們遵循我們的價值觀。

終極問題：意識與未來

主持人：回到之前那個被 David Chalmers（著名哲學家）關心的問題：AI 會有意識嗎？

楊立昆（Yann LeCun）：如果我們把意識定義為“主觀體驗”或“情感”，那未來是會有的。情感本質上是對結果的預期——預測某事對自己有利還是有害。如果系統有了世界模型，能自我觀察、自我調整，那它就具備了某種形式的意識。這沒什么神秘的，是工程問題。

Adam Brown：如果你問我直覺，我認為硅基和碳基沒有本質區別。只要信息處理方式足夠復雜，原則上機器可以產生意識。雖然我現在對各種意識理論都持保留態度，但也許未來的 AI 會成為我們研究意識的“模式生物”，幫我們解開這個千古之謎。

主持人：最后，你們對 2036 年的愿景是什么？

楊立昆（Yann LeCun）：出現新的文藝復興。AI 將放大人類的智能，加速科學、醫學的進步。其實我們已經生活在 AI 輔助的世界里了——從汽車的自動剎車到核磁共振成像的圖像補全，AI 每天都在救命。未來，我們會有能在物理世界中像人一樣靈活操作的系統，這需要新的架構，也是我正在努力的方向。

Adam Brown：我也認為這將是一場狂野的旅程。如果我們繼續推動現有的大模型范式，也許在那時，我們能看到真正的通用智能。

如果你問我意識什么時候出現，我也許會猜……2036 年？

楊立昆（Yann LeCun）：反正肯定不是未來兩年。

運營/排版：何晨龍