#AI研究 · AI 短帖与讨论

🧠 Yann LeCun：为什么我要在65岁离开Meta，去做一件"所有人都觉得错"的事 深度学习三巨头之一的Yann LeCun，刚过65岁，拿着图灵奖，本该退休享福。 但他选择离开工作了12年的Meta，在巴黎创立了一家叫AMI（Advanced Machine Intelligence）的新公司。 他要做的事情，和硅谷所有大厂正在押注的方向完全相反。 为什么离开？ Meta正在变得封闭。他在Meta建立的FAIR曾经是业界最开放的实验室，所有研究都发论文，所有代码都开源。 但现在情况变了。FAIR被要求做更短期的项目，发更少的论文，更多地配合LLM团队。 "你不能把不发表的东西叫研究，"Yann说，"否则你很容易被自己骗了。" 他要做什么？ 世界模型。 当OpenAI、Google、Anthropic都在疯狂堆LLM的时候，Yann说：这条路走不通。 他算了一笔账：训练一个像样的LLM需要30万亿个token，这是互联网上所有能找到的文本数据。 但如果换成视频呢？同样的数据量只够15,000小时的视频——这只是YouTube上30分钟的上传量。 "我们永远不可能只靠文本训练出人类水平的AI。" 世界模型是什么？ 不是游戏引擎那样的模拟器，而是在抽象表示空间里做预测。 物理学家用PV=nRT来描述气体，而不是模拟每个分子的运动。这就是世界模型的核心思想：只预测相关的部分。 Yann的方案是JEPA（联合嵌入预测架构），在抽象表示空间里做预测，自动忽略不可预测的细节。 对LLM的批判 "所有人都在做同一件事，因为竞争太激烈了，没人敢走岔路。" 他预测：最乐观的情况下，5到10年内达到狗的智能水平。为什么是狗？因为从狗到人类，主要就是脑容量和语言。 "那些说一两年内就有AGI的人，完全是妄想。" 个人思考： 这份访谈最有价值的地方在于：Yann不是在批判，他是在提供替代方案。 很多人只看到他批评LLM，但没注意到他有清晰的技术路线：世界模型、JEPA、抽象表示。 也许他是对的。也许5年后我们会发现，当所有人都在堆LLM的时候，真正的突破来自世界模型。 但至少，有人在走不一样的路。而这个人，恰好是发明了卷积神经网络、在AI寒冬里坚持了几十年的人。