【專訪】楊立昆：大型語言模型走不到人類級智慧，世界模型才是出路
當矽谷把錢押在大型語言模型，楊立昆（Yann LeCun）反向押注，今年 3 月替新公司 AMI 募到 10.3 億美元，是歐洲 AI 新創上線前最大的一輪。他是 2018 年圖靈獎得主，深度學習奠基者之一，去年辭去 Meta 首席 AI 科學家，到巴黎創業。在創投 Radical Ventures 的講座上，他把理由一次講清楚。
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
他講了三件事。第一，大型語言模型靠記憶與檢索，走不到人類級智慧，該走的是能預測行動後果的世界模型。第二，機器人卡關，是因為缺這種模型，模仿再多資料也不夠。第三，業界以 AGI 近在眼前為由大蓋資料中心，他認為說法不成立，投入能否回收也沒人知道。
◎語言模型背得多，世界模型懂後果
他對世界模型的定義很單純：知道此刻世界的狀態，想像做一個動作，能預測下一刻會變成什麼。有了這能力，AI 就能規劃一連串動作，還能加上安全護欄，所以他認為這類系統本質上比語言模型安全。但現在很多公司口中的世界模型，其實只是影片生成。
他舉例：鏡頭在會議室裡慢慢轉過去再停下，要系統接著拍，它猜得到是一屋子聽眾，卻不可能知道每個人長相。逼它在像素層級預測，等於扼殺它。他團隊的 JEPA 只在抽象層次預測，主動丟掉猜不到的細節。
◎機器人缺的不是資料，是理解後果
現在的機器人 AI 多半把語言模型那套搬過來，看人做事的影片來模仿。他比喻成高級餐廳的學徒照食譜做醬汁，失敗了也不知道錯在哪，因為不懂背後的化學。他主張先用便宜又大量的影片學會物理常識，再用少量真實動作資料教機器人做事。
自駕車就是模仿失靈的例子：十年前網路上已有示範影片，如今累積數十億小時資料，仍沒有完全自駕。17 歲青少年卻約 20 小時就學會開車。他甚至說，家裡的貓都比最大的 AI 更懂物理世界。
◎他認為 AGI 不在眼前，算力回本是未知數
他說語言模型像死背的學生，靠龐大記憶回答問題，才那麼吃算力。程式和數學能自己驗證，自我改進，但研發新藥得做人體試驗，AI 自我進化的說法就不成立。OpenAI 等公司對投資人說 AGI 近在眼前，值數兆美元，他認為這是錯的。
投資人開始問：這麼大的資本支出，營收回得來嗎？他坦言不知道。他提到隨著有 AI 公司準備上市，幾週內大家就得表態：人們願不願每月付十幾美元用最好的 AI。世界模型或許更省，但他不下定論，因為有算力總會被用掉。
這場話把他的賭注攤開：AI 的下一步在理解真實世界，而不是背更多文字。問他若 25 歲會開什麼公司，他說自己會去做研究；真想創業就做實體 AI，先上 Google Scholar 搜 JEPA，四五年內已有約 3,500 篇論文。他最後提醒：別一個人做。
說明離開 Meta 的原因：世界模型的主要應用如工業製程控制不是 Meta 的興趣，Llama 4 表現令人失望後公司全力追趕 LLM，他強調自己從未參與 Llama 開發。
從最佳控制理論解釋世界模型：給定時間 T 的世界狀態與一個動作，預測 T+1 的狀態，並認為以此規劃的系統比 LLM 本質上更安全。
以會議室鏡頭平移為例，說明像素層級的影片生成為何不是好的世界模型，並介紹 JEPA 在抽象表徵空間中預測的做法。
以自駕車為例說明模仿學習不足：數十億小時資料仍沒有 level 5 自駕，17 歲青少年約 20 小時練習就能學會開車。
把 transformer 比作巨大的聯想記憶，對應人腦的海馬迴，並說明自己不看好短中期內新型晶片技術取代數位 CMOS。
回顧 1950 年代 Newell 與 Simon 的 general problem solver，指出每一代 AI 科學家都誤以為最新典範能通往人類級 AI。
批評 AGI 近在眼前的投資說法，提出資本支出能否被營收回收仍不明，並提到即將有 IPO 讓這個問題變得急迫。
回答觀眾關於持續學習的提問：團隊論文顯示只調整預測器最後一層即可快速適應新情況，明顯提升表現。
看完今天的，讓明天的自己送上門
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
已出刊 147 期 ・ 隨時可退訂
