LeCun哈佛演讲PPT放出：唱衰自回归LLM，指明下一代AI方向

Yann LeCun，一位著名的AI学者及图灵奖得主，近期在哈佛大学发表了一场深入的演讲，分享了他对机器学习现状与未来发展的深刻见解。尽管当前自回归大型语言模型（LLMs）在某些领域展现出惊人的能力，LeCun却持续对其持保留态度，认为它们在实现真正智能的道路上存在显著局限。

LeCun提出，要让机器像人类和动物一样高效学习，关键是构建一个模块化的认知架构。这个架构的核心是一个可预测的世界模型，使系统能够预知行为后果并据此规划行动以达成特定目标。其中，世界模型的设计基于自监督学习训练的分层联合嵌入预测架构（H-JEPA），旨在提供对现实世界的深入理解及处理复杂任务的能力。

他强调，尽管自回归LLMs在生成文本、辅助创作等方面取得了成就，但它们常犯事实性错误、逻辑混乱、缺乏常识、无法有效规划等毛病，这些缺陷限制了它们成为全面、可靠的智能系统。LeCun主张，应放弃传统生成模型路径，转而采用联合嵌入架构，并倡导基于能量的模型（EBM）替代概率模型，同时提倡正则化方法而非对比方法，以及在特定情况下谨慎使用强化学习来完善世界模型。

对于人工智能的未来发展，LeCun认为，真正的进步将来自于目标驱动的AI系统，这类系统能够学习、记忆、推理、规划并具备常识，同时确保操作的安全性。他指出，尽管AI在特定领域已超越人类，但距离普遍意义上的人类水平智能仍有很长的路要走，甚至可能首先需要实现接近猫或狗级别的智能。

关于人工智能的开源性，LeCun坚持认为，为了防止技术垄断并促进安全创新，人工智能平台应保持开源。同时，他也意识到设定共同的安全标准和目标对于避免潜在风险的重要性。

总体而言，LeCun的演讲不仅批判了现有技术的不足，更为未来的AI研究指明了方向，特别是通过提出联合嵌入预测架构作为构建更强大、更智能机器的基础。他的观点凸显了对AI系统深度理解世界、安全可控的追求，以及对超越当前技术局限、迈向真正智能未来的期待。