LeCun怒揭機(jī)器人最大騙局，坦白Llama與我無瓜！

新智元報(bào)道

編輯：KingHZ 桃子

【新智元導(dǎo)讀】一場公開演講，LeCun毫不留情揭穿真相：所謂的機(jī)器人行業(yè)，離真正的智能還遠(yuǎn)著呢！這番話像一枚深水炸彈，瞬間引爆了戰(zhàn)火，特斯拉、Figure高管紛紛在線回懟。

人形機(jī)器人，也成為了AI圈最大的騙局？

最近在MIT的一場講座中，Meta首席AI科學(xué)家LeCun一語道破了機(jī)器人界最大的秘密——

這些公司壓根不知道，如何讓機(jī)器人變得足夠「聰明」，或是說達(dá)到通用智能的程度。

家用機(jī)器人的實(shí)現(xiàn)，還需要AI領(lǐng)域取得一系列突破。

機(jī)器人在工廠里擰螺絲、搬貨等，可通過特定任務(wù)訓(xùn)練實(shí)現(xiàn)，但讓它們在家中疊衣服、倒水、理解人的意圖，還很難。

他將這種差距，比作「窄智能」和「通用智能」的鴻溝。

而突破的核心，在于打造一款真正可以規(guī)劃的「世界模型」架構(gòu)，即能夠?qū)W習(xí)理解和預(yù)測物理世界系統(tǒng)。

誰曾想，LeCun這番話再次捅了「馬蜂窩」，直接給這場狂熱潑了一盆冷水，引機(jī)器人界大佬上陣怒噴。

特斯拉Optimus AI負(fù)責(zé)人Julian Ibarz直言，我不同意LeCun的觀點(diǎn)。

在內(nèi)部，特斯拉對于如何快速實(shí)現(xiàn)通用人形機(jī)器人，已經(jīng)有了非常明確的思路。

Figure創(chuàng)始人Brett Adcock直接喊話，「誰去和LeCun說一聲，讓他別端著了，親自下場干點(diǎn)實(shí)事吧」！

Yann LeCun：

LLM只是記憶力好，智商還不如貓

Yann LeCun一直領(lǐng)先于時(shí)代的主流認(rèn)知，但好像每次都是對的。

在1987年，他在現(xiàn)在的索邦大學(xué)（Sorbonne）獲得博士學(xué)位，論文英文標(biāo)題是《Connectionist Learning Models》「連接主義學(xué)習(xí)模型」。

論文的核心是建立了神經(jīng)網(wǎng)絡(luò)中反向傳播算法的理論基礎(chǔ)。

而在當(dāng)時(shí)，大多數(shù)人還在研究專家系統(tǒng)。

他怎么想到這個(gè)研究方向的？這又如何影響了他以后的職業(yè)發(fā)展？

在MIT演講中，Yann LeCun回顧了他如何踏上人工智能研究之路。

上大學(xué)時(shí)，他有點(diǎn)偶然地發(fā)現(xiàn)，原來早在50-60年代，包括1981年諾獎(jiǎng)得主David H. Hubel和Torsten N. Wiesel等人，就已經(jīng)開始思考「自組織」的問題——也就是系統(tǒng)如何自我組織學(xué)習(xí)。

這一方向后來催生了「機(jī)器可以學(xué)習(xí)」的早期想法。

他覺得這個(gè)想法特別迷人，而且當(dāng)時(shí)他「初生牛犢不怕虎」——

我一直認(rèn)為，生物學(xué)給工程提供了很多靈感。在自然界中，所有活著的東西都有適應(yīng)能力，只要有神經(jīng)系統(tǒng)就能學(xué)習(xí)。

所以，我當(dāng)時(shí)想，也許我們?nèi)祟悰]那么聰明，構(gòu)建智能系統(tǒng)最靠譜的方法，可能是讓它自己學(xué)會變聰明。

也許，正是這種「愣頭青」的心態(tài)讓他走上了機(jī)器學(xué)習(xí)這條路。

他坦言，當(dāng)時(shí)「機(jī)器學(xué)習(xí)」不是AI研究的主流。

由于當(dāng)時(shí)幾乎無人從事相關(guān)研究，他一度難以找到博士導(dǎo)師。

之后，他與Geoffrey Hinton合作，隨后進(jìn)入貝爾實(shí)驗(yàn)室Bell Labs與紐約大學(xué)NYU任職。

人工智能領(lǐng)域在1990至2000年代經(jīng)歷「寒冬」，但2013年LeCun加入Facebook，創(chuàng)立FAIR（Facebook AI Research），并推動「深度學(xué)習(xí)」這一術(shù)語取代「神經(jīng)網(wǎng)絡(luò)」，標(biāo)志著產(chǎn)業(yè)界開始系統(tǒng)性地接受這一范式。

2018年，因在概念與工程領(lǐng)域的突破性貢獻(xiàn)，他讓深度神經(jīng)網(wǎng)絡(luò)成為計(jì)算技術(shù)的關(guān)鍵組成部分，和Bengio、Hinton共享圖靈獎(jiǎng)。

順便提一句，Yann LeCun訪問清華大學(xué)時(shí)，確定了自己的中文名「楊立昆」。

但這次，Yann LeCun直言：「LLM就是一條死胡同，世界模型才是正道」。

他指出，文本屬于「低帶寬」數(shù)據(jù)源，「僅靠文本訓(xùn)練永遠(yuǎn)無法實(shí)現(xiàn)人類水平智能」。真正的智能來源于高帶寬的感知輸入——視覺、聽覺、觸覺等多模態(tài)經(jīng)驗(yàn)，而非低維度的離散符號。

他將大語言模型訓(xùn)練所需的數(shù)萬億標(biāo)記詞元，與兒童處理的海量感官數(shù)據(jù)進(jìn)行對比：

四歲兒童通過視覺接收的數(shù)據(jù)量，已相當(dāng)于所有公開文本訓(xùn)練的最大規(guī)模LLM的數(shù)據(jù)量。

他進(jìn)一步指出，LLM有時(shí)雖能提供實(shí)用的結(jié)果，甚至讓人誤以為其「智商堪比博士」，但這些系統(tǒng)只是「回憶」訓(xùn)練中的信息。

LeCun指出，大語言模型（LLM）存在本質(zhì)瓶頸——雖然形式上通過「學(xué)習(xí)」取代了顯式編碼，但仍依賴人類知識的間接轉(zhuǎn)移。

LLM不具備任何真實(shí)意義上的智能——甚至不如一只貓。

他強(qiáng)調(diào)，即便貓的大腦僅含約2.8億個(gè)神經(jīng)元，其對物理世界的理解與行動規(guī)劃能力仍遠(yuǎn)超當(dāng)前AI系統(tǒng)。

貓能感知三維空間、判斷物體穩(wěn)定性、規(guī)劃復(fù)雜動作，而目前的所有生成式模型恰恰無法企及這些能力。

因此，他真正關(guān)注的問題是：如何讓機(jī)器學(xué)會物理世界的模型？

有點(diǎn)腦子的人，不再用LLM

世界模型，已成為LeCun的代名詞。

對談中，他再次給「世界模型」下了一個(gè)定義——

給到一個(gè)時(shí)刻t的世界狀態(tài)，再給定一個(gè)智能體可能的動作，預(yù)測動作執(zhí)行后的環(huán)境。

就好比，讓一個(gè)機(jī)器人沖一杯咖啡，它需要想象一系列動作——拿起杯子、倒水、攪拌，并預(yù)測每一步的結(jié)果。

一旦系統(tǒng)配備了這樣的世界模型，就可以進(jìn)行規(guī)劃：

設(shè)想一系列連續(xù)的動作，并利用模型預(yù)測這些動作所導(dǎo)致的結(jié)果。

同時(shí)，系統(tǒng)可結(jié)合一個(gè)「代價(jià)函數(shù)」（cost function），用于評估特定任務(wù)的完成情況。

在此基礎(chǔ)上，可運(yùn)用優(yōu)化方法，搜索能夠優(yōu)化任務(wù)目標(biāo)的最優(yōu)動作序列，這一過程即為「規(guī)劃與最優(yōu)控制」。

LeCun稱，團(tuán)隊(duì)所采用的「環(huán)境動力學(xué)模型」完全通過自監(jiān)督學(xué)習(xí)的，也是當(dāng)前方法的核心所在。

實(shí)驗(yàn)已證明，可以用世界狀態(tài)的表示——來自現(xiàn)有模型DINO，無論是從零開始學(xué)習(xí)，還是基于V-JEPA 2等框架，都可以做到這一點(diǎn)。

機(jī)器人不用針對特定任務(wù)反復(fù)訓(xùn)練，只需從模擬數(shù)據(jù)或真實(shí)操作中學(xué)習(xí)「動作-結(jié)果」的關(guān)系，就能零樣本完成新任務(wù)。

這種訓(xùn)練完全是自監(jiān)督的。

當(dāng)系統(tǒng)有足夠好的世界模型，便能「想象」如何完成一個(gè)它從未被訓(xùn)練過的任務(wù)。

這一概念，在2016 NeurIPS大會主題演講中，LeCun早已向世界傳輸——

世界模型，會成為未來AI系統(tǒng)的關(guān)鍵組件。

LeCun預(yù)測，「未來3-5年內(nèi)，這會成為AI架構(gòu)的主流模型」。

這話可讓我在硅谷得罪了不少人，包括某些巨頭公司。

到那時(shí)候，但凡頭腦清醒的人，都不會再用現(xiàn)在這種生成式LLM的路子了。

主持緊接著問道，所以這能推動機(jī)器人技術(shù)，讓未來這十年真正成為機(jī)器人的時(shí)代？

LeCun直言不諱，過去幾年，打造「類人機(jī)器人」的初創(chuàng)公司如雨后春筍般涌現(xiàn)。

但行業(yè)的一大秘密是——它們還不知道如何讓機(jī)器人真正「聰明」到實(shí)用級別。

所以很多估值數(shù)十億公司的未來，基本上取決于是否能在「世界模型+規(guī)劃」的架構(gòu)上取得顯著進(jìn)展。

LeCun越說越激動，觀點(diǎn)顯然有些「生猛」。

主持人一聽，馬上話鋒一轉(zhuǎn)打了個(gè)圓場，「沒關(guān)系，我們不擔(dān)心那些公司。而且說真的，我們非常信奉創(chuàng)業(yè)精神」。

產(chǎn)業(yè)界在行動：機(jī)器人的世界模型

Yann LeCun的「冷靜」，與多位行業(yè)領(lǐng)袖所鼓吹的激進(jìn)時(shí)間表形成了鮮明對比。

Figure AI表現(xiàn)得尤為激進(jìn)，其CEO Brett Adcock近期宣稱：

明年就能實(shí)現(xiàn)通過語音指令，讓人形機(jī)器人在陌生環(huán)境（比如從未進(jìn)入的家庭）完成各類通用工作。

這位創(chuàng)始人解釋稱，其信心源自公司對軟件與智能難題的攻關(guān)。

人形機(jī)器人擁有40個(gè)自由度（關(guān)節(jié)），可能產(chǎn)生的位姿組合數(shù)量甚至超過宇宙原子總數(shù)。

Brett Adcock強(qiáng)調(diào)「這個(gè)問題無法通過編程解決，唯一途徑是神經(jīng)網(wǎng)絡(luò)」。

他將Figure的技術(shù)路徑與同行對比，直言某些公開演示只是「戲劇表演」或預(yù)設(shè)程序。相反，F(xiàn)igure機(jī)器人的所有操作都「由神經(jīng)網(wǎng)絡(luò)驅(qū)動」。

耐人尋味的是，在一個(gè)關(guān)鍵問題上的判斷與Yann LeCun不謀而合：他也否認(rèn)制造業(yè)是主要突破方向，并指出「人形機(jī)器人當(dāng)前的競爭焦點(diǎn)在于誰能攻克通用機(jī)器人技術(shù)」。

雙方的核心分歧似乎在于——這個(gè)目標(biāo)離我們究竟有多近。

與此同時(shí)，特斯拉正從另一個(gè)角度攻克難題。

馬斯克始終聚焦「極其艱巨」的制造挑戰(zhàn)，指出人形機(jī)器人規(guī)模量產(chǎn)「所需的供應(yīng)鏈尚不存在」。

據(jù)報(bào)道，特斯拉正在建設(shè)年產(chǎn)百萬臺Optimus機(jī)器人的生產(chǎn)線，目標(biāo)在2026年初推出具備「量產(chǎn)意向」的V3原型機(jī)。

然而專注制造并不意味特斯拉忽視AI難題。

在最近的計(jì)算機(jī)視覺頂會ICCV，特斯拉AI負(fù)責(zé)人Ashok Elluswamy詳細(xì)介紹了公司的「神經(jīng)世界模擬器」——一個(gè)通過車隊(duì)視頻數(shù)據(jù)訓(xùn)練的端到端系統(tǒng)。

不同于傳統(tǒng)模型根據(jù)狀態(tài)預(yù)測動作，神經(jīng)世界模擬器能夠基于當(dāng)前狀態(tài)與后續(xù)動作，直接合成未來狀態(tài)。

這種機(jī)制使得模擬器可與智能體或策略AI模型形成閉環(huán)連接，從而實(shí)現(xiàn)對系統(tǒng)性能的精準(zhǔn)評估。

Elluswamy確認(rèn)，這套被視作世界模型問題直接解決方案的架構(gòu)，將「無縫遷移」至Optimus機(jī)器人。

Yann LeCun的論斷看似否定了整個(gè)人形機(jī)器人領(lǐng)域，但已有企業(yè)公開將其研發(fā)方向與他倡導(dǎo)的「世界模型」概念對齊。

獲得OpenAI投資的挪威公司1X Technologies，近期發(fā)布了自研「世界模型」。

傳送門：https://www.1x.tech/1x-world-model.pdf

如圖所示，1X世界模型包含視覺編碼器、動作編碼器、核心網(wǎng)絡(luò)，以及視頻與狀態(tài)價(jià)值解碼器。通過對成功標(biāo)簽進(jìn)行監(jiān)督學(xué)習(xí)生成的狀態(tài)價(jià)值預(yù)測，可對輸入動作的質(zhì)量進(jìn)行量化評估。

1X世界模型的獨(dú)特優(yōu)勢在于：允許從相同初始條件出發(fā)，并行部署不同策略進(jìn)行直接對比。

1X團(tuán)隊(duì)在現(xiàn)實(shí)部署方面的審慎態(tài)度與LeCun不謀而合。

首席執(zhí)行官Bernt B?rnich在播客中坦言，讓機(jī)器人進(jìn)入家庭存在「理想與現(xiàn)實(shí)的落差」，指出「現(xiàn)實(shí)環(huán)境復(fù)雜得離譜」，甚至「Wi-Fi連接問題比機(jī)器人技術(shù)本身更棘手」。

這種務(wù)實(shí)立場，結(jié)合其輕量級肌腱驅(qū)動設(shè)計(jì)所帶來的安全性優(yōu)勢，暗示著行業(yè)清醒認(rèn)識到：Yann LeCun所說的「突破性進(jìn)展」仍需要持續(xù)探索。

Yann LeCun的警告，最終重新定義了人形機(jī)器人競賽的維度：勝利者，或許不屬于推出最炫酷demo或設(shè)定最激進(jìn)量產(chǎn)目標(biāo)的廠商，而將屬于那個(gè)率先攻克機(jī)器理解物理世界這一根本性難題的探索者。

彩蛋：Llama與我無瓜

全程半小時(shí)演講中，還有一個(gè)大彩蛋。

Meta血裁AI部門研究員掀全網(wǎng)風(fēng)暴之外，LeCun卻一直對外撇清自己和Llama的關(guān)系。

幾天前，他曾表示，自己并未參與任何Llama項(xiàng)目。

這一次，LeCun在演講中再一次強(qiáng)調(diào)，「我并沒從技術(shù)層面上，參與Llama的項(xiàng)目」。

搞笑的是，主持人前一句還在夸「Llama的誕生讓世界AI民主化」，話音還沒落，LeCun就在旁邊急著插話——

我要坦白！

接著，他分享了幕后故事，「第一代Llama，其實(shí)有一點(diǎn)像『海盜』項(xiàng)目（pirate project），與官方LLM并行開發(fā)」。

大概2022年中后期，巴黎一個(gè)十來人的小組，決定做一個(gè)輕量高效的LLM，結(jié)果真做出來了。

沒想到，它后來成為了「主力選手」。

最后，在2023年初，小扎下定決心組建了一個(gè)GenAI團(tuán)隊(duì)，也就如今的「超級智能實(shí)驗(yàn)室」（MSL）的前身，主要就是為了把它產(chǎn)品化。

但在技術(shù)上，我個(gè)人確實(shí)沒怎么插手。

LeCun最后再一次重復(fù)——Llama與我無瓜，就差把它寫在臉上了。

現(xiàn)場，主持人再次圓話，「但最后能跑出來的，往往還是『臭鼬工廠』（Skunk Works）這種模式」。

參考資料：

https://www.humanoidsdaily.com/feed/meta-ai-chief-yann-lecun-claims-humanoid-firms-lack-path-to-general-ai

https://www.youtube.com/watch?v=kN38CNAQRuc https://x.com/humanoidsdaily/status/1981623685459972487