楊立昆是法國計算機科學家 Yann LeCun 的中文名，他任 Meta 首席人工智能科學家和紐約大學教授，他帶領(lǐng) Meta 的團隊推出了開源大模型領(lǐng)域 Llama。他與 Yoshua Bengio、Geoffrey Hinton 一同獲得2018年的圖靈獎。2024年3月28日，楊立昆在哈佛大學做了一場學術(shù)演講，其中提到了自己關(guān)于 AI 的7個觀點。

楊立昆在哈佛大學的演講現(xiàn)場

1.AI 應(yīng)該能夠理解、記憶、推理、規(guī)劃

動物和人類可以通過嘗試和學習，理解世界是如何運作的，他們可以進行推理和規(guī)劃，他們有常識，這是今天絕大多數(shù) AI 系統(tǒng)做不到的。

盡管硅谷的炒作總是告訴你 AGI 即將到來，但我們實際上并沒有那么接近。我們目前擁有的 AI 系統(tǒng)，在一些能力上極其有限。

如果我們有了接近人類智力的系統(tǒng)，我們就會有能夠在20小時練習中學會駕駛汽車的系統(tǒng)，就像任何17歲的青少年那樣；我們就會有家用機器人，能夠一次性學會清理餐桌和清空洗碗機，就像10歲孩子那樣。

所以我們漏掉了一些重要的東西。我們應(yīng)該讓 AI 像人類那樣學習世界是如何運作的，不僅僅是從文本中學習，還應(yīng)該從視頻或者其他感官輸入中學習。

我們需要一個擁有世界模型，擁有記憶，能夠推理，能夠規(guī)劃行動的系統(tǒng)，而且它是可控和安全的，這就是目標驅(qū)動的 AI。

2. 現(xiàn)在的大模型沒有前途

LLM 以及圖像識別、語音識別、翻譯等，現(xiàn)在 AI 中所有很酷的這些東西，都歸功于自監(jiān)督學習。

它的工作方式是，你拿一段數(shù)據(jù)，比如一段文本，以某種方式轉(zhuǎn)換或破壞它，比如用空白標記替換其中的一些單詞。然后你訓練一些巨大的神經(jīng)網(wǎng)絡(luò)來預測缺失的單詞，這就是 LLM 的訓練方式。

它們工作得很好，是因為 LLM 會在數(shù)十萬億個 token 上訓練，但這種東西會犯愚蠢的錯誤。它們并不真正理解邏輯，如果你告訴它們 A 和 B 是一回事，它們不一定知道 B 和 A 也是一回事。它們并不真正理解排序關(guān)系的傳遞性以及類似的東西。它們不會做邏輯推理，你必須明確地教它們做算術(shù)，或者讓它們調(diào)用工具來做算術(shù)。

它們對底層現(xiàn)實沒有任何了解。它們只是在文本上訓練。它們只知道語言中包含的知識。但大多數(shù)人類知識實際上與語言無關(guān)。

它們也真的不能規(guī)劃，每當它們看似可以規(guī)劃時，基本上是因為它們訓練過類似的規(guī)劃，它們基本上只是重復一個非常相似的計劃。

3.目標驅(qū)動的 AI 系統(tǒng)

我們希望 AI 可以做分層規(guī)劃。

舉個例子，假設(shè)我坐在紐約大學的辦公室里，我想去巴黎。我不會做毫秒級的計劃，這是不可能的，因為我不知道將會發(fā)生的情況。我是否必須避開一個我還沒看到的特定障礙？紅綠燈會是紅色還是綠色？我要等多久才能打到出租車？所以，我不能從一開始就計劃好一切。

但我能做高層規(guī)劃，我知道我需要到機場，并登機，這是兩個宏觀動作，對吧？然后再決定較低層次的子目標，我如何到達機場？嗯，我在紐約，所以我需要下樓到街上打車，就是下一層的目標。我如何到達我要去的街道，我必須坐電梯下去，然后走到街上？我如何去電梯？我需要從椅子上站起來，打開辦公室的門，走到電梯，按下按鈕。

所以你可以想象有這種分層規(guī)劃在進行。我們完全不費力氣就能做到這一點，動物也能很好地做到這一點。今天沒有任何 AI 系統(tǒng)能夠做到這一點。

所以我設(shè)計了目標驅(qū)動的 AI 系統(tǒng)，結(jié)構(gòu)如下：

目標驅(qū)動 Al 的模塊化認知結(jié)構(gòu)

在這個架構(gòu)中，有一個感知模塊，用來觀察世界，并將其轉(zhuǎn)化為對世界的表示；有一個持久記憶模塊，用來記錄事實；有一個世界模型，這是系統(tǒng)的核心；有一個行動模塊，一個成本模塊，一個配置器。系統(tǒng)的工作方式如下：