【演講】楊立昆：光讀文字的 AI 到不了人類等級
人工智慧這門學問，七十年前在達特茅斯學院的一場研討會起步。達特茅斯為了紀念，新設 AI at 70 獎，頒給楊立昆（Yann LeCun）。他是圖靈獎得主，當過 Meta 首席 AI 科學家 12 年。矽谷有比較樂觀的執行長說人類等級的 AI 不遠了，他一上台就說，差得遠。他的講題問的是：下一場 AI 革命會從哪裡來？
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
楊立昆說，光靠文字訓練的大型語言模型，永遠到不了人類等級的智慧。可是 AI 助理都能寫程式，考過律師考試了，難道還不夠聰明？他的答案，落在一個四歲小孩看過的東西上。他也勸大家放棄當紅的生成式模型，並說推理大多不靠語言。
◎四歲小孩看過的資料，跟整個網路的文字一樣多
演講一開場，他就說 AI 很爛。AI 會寫程式，考過律師考試，拿下數學奧林匹亞，可是家用機器人在哪裡？完全自動駕駛的車在哪裡？他說語言其實出奇地簡單，真實世界卻又亂又複雜。現在的 AI 用在機器人上，連貓狗理解物理世界的程度都達不到。
他拿數字來比。網路上所有公開文字約 20 兆個字，約 10 的 14 次方位元組，一個人要讀五十萬年。一個四歲小孩醒著約一萬六千小時，只等於 YouTube 半小時的上傳量。但兩百萬條視神經每秒各送進約一位元組，算下來也是 10 的 14 次方。小孩看到的，就和整個網路的文字一樣多。
大型語言模型每吐一個字，計算量都固定，不管問題多難。人卻會遇到難題就想久一點。他要的是世界模型：先預想一個動作的後果，再挑出最能達成目標的那一個。他說得直接："LLMs in and of themselves are never going to reach human level intelligence."（語言模型本身，永遠到不了人類等級的智慧。）
他也承認難處。把大目標分成小步驟的階層式規劃，一兩年前他還認為完全沒解，這個月的論文也只用在一段四腳小動物的合成影片上。他說，二十年內做出人類等級的 AI，他不會下注。至於大會的提問，什麼必須留給人類，他說除非會後有人問，否則不回答。
◎要做世界模型，就別讓 AI 把每個細節都畫出來
要做世界模型，他叫大家放棄生成式模型，也就是把未來畫面逐格畫出來的做法。他花了二十年教機器預測影片，前十五年都失敗，後來才發現錯在用了生成式模型。鏡頭在演講廳轉一圈，系統猜得到有人坐著，卻猜不出每個人的長相，硬猜只會變出幻覺。他的 JEPA 只預測抽象的重點。他說這在矽谷不討喜，但相關論文已有 3,700 篇。
◎他說推理大多不在語言裡進行
世界模型背後，是他另一個主張：推理大多不靠語言。主持人請他預言未來，他說許多動物不會說話卻想得很深。他請觀眾想像空中一個方塊，繞垂直軸轉 90 度，多數人是在腦中看見它，不是用文字推出來。他說把語言和推理綁在一起是錯的，只有寫程式，數學例外。他預言，等家用機器人出現，就知道下一場 AI 革命來了。
所以，AI 助理會寫程式，解數學，在他看來不矛盾：那是少數靠操弄符號就能推理的領域。要進入真實世界，他認為得靠能預想後果的世界模型。他在過去十個月創立 AMI Labs，名字取自法文的朋友，不做語言，專攻生醫，醫療，製造這些真實訊號。接下來值得觀察的，是這家公司能不能先把世界模型用在這些地方。
開場說人類等級 AI 還差得遠，不喜歡 AGI 這個說法，並說 AI 能寫程式，考律師考試，卻沒有家用機器人與完全自動駕駛車。
說用大量人類駕駛資料做模仿學習基本上失敗，並介紹 Moravec 悖論：對人容易的事對 AI 困難，反之亦然。
比較網路公開文字約 10 的 14 次方位元組，與四歲小孩一萬六千小時視覺輸入的資料量相當，結論是只靠文字到不了人類等級。
說明大型語言模型答是或否時計算量不隨問題難度改變，思維鏈只是技巧，主張以搜尋與最佳化來推論。
提出護欄目標，舉廚房機器人手持大刀，旁邊有人時不要揮動手臂為例，說明預測後果能讓系統更安全。
說自己花二十年做影片預測，前十五年失敗，原因是用了生成式模型，並以鏡頭轉過演講廳卻猜不出觀眾長相為例。
用理想氣體只需三個數字就能預測壓力為例，說明抽象表示是科學的基礎，世界模型不該是完整模擬。
回應主持人的預言請求：下一場革命是能用在真實世界的 AI，看到家用機器人就知道它發生了，並說推理大多不在語言裡進行。
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 157 期 ・ 隨時可退訂
