Yann LeCun最新万字演讲：致力于下一代AI系统，我们基本上不做LLM了

主要观点总结

这篇文章是Yann LeCun关于人工智能的最新演讲的导读和翻译整理。演讲中，LeCun讨论了人类级别的人工智能，包括如何实现以及可能遇到的阻碍。他强调了当前AI系统的局限性，并指出仅通过文本训练无法达到接近人类水平的智能。他提出了目标驱动的人工智能架构，并探讨了机器学习和人工智能的未来发展趋势。

关键观点总结

关键观点1: 什么是人类级别的人工智能？

LeCun指出，人类级别的人工智能是我们每个人将拥有的智能助手，能够帮助我们增强智力、提高效率。但要实现这一点，AI需要理解世界、记忆事物、拥有直觉和常识，以及像人类一样进行推理和规划。

关键观点2: 目前的AI系统的主要限制。

LeCun认为，目前的AI系统主要受限于自监督学习，无法像人类一样进行推理和规划。他指出，自监督学习虽然在一些任务上取得了成功，但还存在一些问题，例如无法处理复杂的、以符号或标记形式出现的数据。

关键观点3: 目标驱动的人工智能架构。

LeCun提出了目标驱动的人工智能架构，这是一种不同于传统的神经网络架构的方法。它通过在推理过程中运行优化算法来寻找最佳行动序列，并尝试在表示空间中进行预测。这种架构可以处理单个输入对应多个输出的映射过程，并能够在不学习的情况下完成新任务。

关键观点4: 联合嵌入预测架构（JEPA）。

LeCun介绍了JEPA，这是一种新的方法，旨在解决通过预测文本来预测视频中像素的问题。他认为，JEPA的潜力在于找到事物或现象的良好表示以进行预测，这是智力的体现和科学的本质。

关键观点5: 机器超越人类智力的可能性及其控制。

LeCun认为机器一定会超越人类的智力，但他强调这些系统将是目标驱动的，并受到控制。他讨论了开源的重要性，以及训练基础模型的挑战。他还谈到了实现人类水平的人工智能所需的时间和努力。

文章预览

整理 |  Datawhale 导读   Yann LeCun最新演讲指出，Meta不再专注于LLM，因为它们无法达到人类智能水平。 他提出目标驱动AI和放弃传统机器学习方法，以实现真正智能的AI系统。 全文目录： 1.  什么 是人类 级别 的 AI ? 2. 目前的 AI 系统主要受限于自监督学习 3. 莫拉维克拉悖论与人机对比的结论 4. 目标驱动的人工智能架构 5. 联合嵌入预测架构：放弃机器学习的四大支柱 6. 机器一定会超越人类的智力，但它们将受到控制 Yann LeCun 最新哈德逊论坛演讲：仅通过文本训练，LLM 永远不会达到接近人类水平的智能。所以现在 Meta 已经转向了更长期的下一代 AI 系统研究，基本不再专注于 LLM 了。 LeCun说，扎克伯格一直在问他需要多长时间才能达到人类水平的 AI，而他告诉马克-扎克伯格，至少还需要几年甚至十年的时间。 人类智能有四个基本特征是目前的人工 ………………………………