AI教父的尖锐批评：大模型的“智力”停留在表面

被誉为“AI教父”的图灵奖得主、Meta首席人工智能科学家Yann LeCun再次发表尖锐言论，直指当前主流大语言模型（LLM）的局限性：“今天的大模型，连猫都不如，它们只是在做文本预测，根本谈不上真正的推理。”这一观点犹如一记重锤，砸在AI行业狂热追捧“大模型万能论”的泡沫上，也引发了关于人工智能未来发展的深度思考。

“比猫还笨”：大模型的“伪智能”真相

欧博官网开户 LeCun的批评并非空穴来风,他指出，当前最先进的大模型，如GPT系列、Claude等，本质上仍是基于统计规律的“文本续写机器”，它们通过学习海量数据，掌握了词语之间的关联概率，能够生成流畅、看似有逻辑的文本，甚至能通过编程、写诗、答题等任务，让外界误以为它们具备了“理解”和“推理”能力，但这种能力，LeCun认为，只是“高级的模仿”，而非真正的智能。

“猫的大脑只有0.008公斤，却能理解物理世界的因果关系——知道杯子掉地上会碎，抓到老鼠能吃到食物，甚至能通过观察学会开笼门。”LeCun对比道，“而今天的大模型，参数规模达到万亿级别，却连‘把大象放进冰箱需要几步’这种简单的逻辑推理题都可能出错，更无法理解‘如果下雨，地面就会湿’这种基本的因果关系。”他强调，大模型的“知识”完全来自训练数据中的文本统计，缺乏对物理世界互动和因果关系的真实理解，因此无法进行真正的逻辑推理、规划或创新。 皇冠代理商

“光会预测文本”：大模型的本质局限

LeCun进一步指出,当前大模型的架构（如Transformer）存在根本性缺陷：它们的核心任务是“预测下一个词”，而非构建对世界的“内部模型”，这种设计导致大模型只能被动地根据输入文本生成输出，无法主动探索环境、积累经验，也无法进行抽象思考和长期推理。

“就像一个只会背百科全书的‘复读机’，你问它‘为什么天空是蓝色的’，它会复述训练数据中关于瑞利散射的解释，但它并不理解‘光’‘散射’‘波长’这些概念的真实含义，更无法推导出‘如果没有大气层，天空会是黑色的’。”LeCun解释道，“真正的推理，需要基于对世界规律的抽象和假设，而大模型目前连‘假设’是什么都不知道。”

他还批评了行业对“规模即智能”的盲目崇拜：“人们以为只要把模型做大、数据喂多，智能就会自然涌现，但这是错误的，没有架构上的根本创新，单纯堆砌参数，只会让模型更擅长‘模仿’，而不是‘思考’。”

路在何方？LeCun眼中的“下一代AI”

既然当前大模型存在如此缺陷,未来的AI应该走向何方？LeCun给出了自己的答案：构建具备“世界模型”（World Model）的AI系统，他认为，真正的智能需要通过与物理世界的互动，学习因果规律，形成对世界的动态理解——就像人类和动物通过感知、行动、反馈来认知世界一样。

“下一代AI应该能像婴儿一样，通过观察和实验来学习：它知道推积木会倒，扔球会弹跳，甚至能理解他人的意图。”LeCun强调，这需要AI架构从“纯文本预测”转向“多模态感知+因果推理”，结合视觉、听觉、触觉等多种感官输入，构建对世界的内在表征，并基于此进行规划和决策。

www.bmw999.asia 他还提到,Meta正在探索这方面的研究，例如通过强化学习让AI在与虚拟环境的互动中学习技能，或构建能理解图像、文本和物理关系的联合模型。“这不是一蹴而就的，但方向必须明确：AI的目标不是生成更逼真的文本，而是获得真正的智能。”

当“泡沫”褪去，AI需要回归理性

LeCun的批评,为当前火热的AI行业泼了一盆冷水，随着大模型在商业化和应用层面的快速推进，人们似乎逐渐遗忘了AI的初心——让机器拥有类似人类的智能，而非仅仅成为“高级聊天工具”，他的观点提醒我们：真正的智能，从来不是简单的数据堆砌和模式匹配，而是对世界的理解、对规律的把握、对未来的推理。

或许,正如LeCun所言，今天的大模型只是AI发展道路上的“过渡品”，当“泡沫”褪去，行业更需要回归理性，关注底层架构的创新和智能本质的探索，毕竟，AI的目标不是“比猫更会预测文本”，而是“比猫更懂世界”，这条路或许漫长，但唯有如此，才能真正迎来“通用人工智能”（AGI）的曙光。 www.aabbgg22.com