杨立昆对大语言模型的质疑
Meta首席AI科学家杨立昆在印度科技论坛上分享了他对AI未来技术路线的看法，特别是对大语言模型（LLMs）的怀疑态度。他认为，尽管LLMs在生成文本和理解语言方面表现出色，但它们无法达到通用人工智能（AGI）的水平。杨立昆指出，LLMs的本质是基于统计相关性的生成模型，缺乏对物理世界的理解和因果推理能力。
联合嵌入预测架构（JEPA）的新范式
杨立昆提出了联合嵌入预测架构（JEPA）作为实现人类水平智能的新范式。JEPA通过联合嵌入多个模态的信息，能够更好地理解和预测物理世界中的复杂现象。与传统的LLMs不同，JEPA强调对物理世界的模拟和适应，使得AI系统能够进行更复杂的推理和决策。
视觉学习的重要性
杨立昆还强调了视觉学习在实现AGI中的重要性。他指出，人类通过视觉感知获取了大量关于世界的信息，AI系统也需要具备类似的能力。杨立昆预测，在未来5-7年内，视觉学习领域可能会有重大突破，这将为AGI的实现奠定基础。
未来10年实现人类级智能的预测
杨立昆对AGI的未来持乐观态度，他预测在未来10年内，AI系统可能会实现人类级智能。这一预测基于当前AI技术在视觉学习、多模态融合和物理AI方面的快速进展。杨立昆认为，随着技术的不断演进，AI系统将能够更好地理解和适应复杂的物理环境，从而实现真正的通用智能。
DeepSeek的创新与挑战
在杨立昆的演讲中，他还提到了DeepSeek的创新与挑战。DeepSeek通过优化模型架构和训练框架，显著降低了计算成本，并提升了模型性能。然而，DeepSeek也面临着工程复杂性和硬件依赖性的挑战。杨立昆认为，DeepSeek的成功为AI技术的普惠化和开源生态的发展提供了宝贵的经验。
物理AI的崛起
杨立昆还讨论了物理AI的崛起，他认为物理AI是AI技术演进的关键一步。物理AI通过结合对物理现象的理解与智能决策能力，使得智能系统能够灵活应对复杂情况。杨立昆预测，物理AI将在自动驾驶、机器人等领域发挥重要作用，推动AI技术向更高层次发展。
结语
杨立昆的演讲为AI技术的未来发展提供了新的思路。他提出的联合嵌入预测架构和视觉学习的重要性，为AGI的实现指明了方向。随着技术的不断进步，我们有理由相信，AI系统将在未来10年内实现人类级智能，为人类社会带来深远的影响。
相关文章
