图灵奖得主、Meta首席AI科学家杨立昆在播客中探讨了生成式AI的现状与未来发展。他认为，现有AI技术主要基于文本训练，缺乏对物理世界的理解和抽象推理能力，难以做出科学发现。杨立昆指出，大语言模型的发展已接近瓶颈，单纯依靠扩大模型规模和增加训练数据难以实现人类水平的AI。他强调，“真正的AI”需要理解物理世界，具备推理和规划能力。杨立昆正在研究一种新的系统，旨在通过建立物理世界模型，帮助AI“理解”现实。他认为，即使能开发出像猫或老鼠一样聪明的系统，也将是一大进步。

🤔 杨立昆认为，当前生成式AI技术，如大语言模型，主要基于文本数据进行训练，通过统计规律生成答案，本质上无法“创造新的事物”，因此存在局限性。

💡 他指出，人类能够运用常识和心理模型思考并解决新问题，而这是AI大模型所不具备的。大模型仅依赖于检索和生成，缺乏对物理世界的理解和抽象推理能力。

⚠️ 杨立昆认为，当前大语言模型的发展已接近瓶颈，单纯扩大模型规模和增加训练数据，难以实现人类水平的AI。训练数据的增长带来的回报正在递减，进一步获取数据的成本高昂且难以达到预期效果。

🚀 他强调，“真正的AI”需要理解物理世界，拥有持久的记忆，支持推理和规划。杨立昆正在研究一种新系统，旨在通过建立一个模型来预测物理世界的行为，从而帮助AI“理解”现实。

🌱 杨立昆表示，即使能够开发出像猫或老鼠一样聪明的系统，也将是一大进步。他认为，目前的AI系统依然受限，现有技术难以支撑家用机器人和自动驾驶汽车。

IT之家 3 月 23 日消息，图灵奖得主、Meta 首席 AI 科学家杨立昆（Yann LeCun）做客 20 日播出的“Big Technology Podcast”科技播客节目，谈到了当前生成式 AI 为何难以做出科学发现以及未来 AI 如何发展等话题。

他表示，大语言模型等现有 AI 技术本质上是基于文本训练并通过统计规律生成答案，无法“创造新的事物”，因此存在局限性。而人类能够运用常识和心理模型思考并解决新的问题，这项能力是 AI 大模型所不具备的。“它们只是在大量文本数据上进行训练以进行检索和生成，缺乏对物理世界的理解和抽象推理能力。”

他认为当前大语言模型的发展已经接近瓶颈，训练数据的增长带来的回报正在逐渐递减，进一步获取数据不仅成本高昂，而且难以达到预期效果。仅仅通过扩大大语言模型的规模和训练更多数据无法实现人类水平的 AI，因为大模型缺乏真正的推理能力和对物理世界的理解能力。

杨立昆表示，“真正的 AI”需要理解物理世界，拥有持久的记忆，支持推理和规划。

据IT之家此前报道，杨立昆曾在今年 2 月预测，AI 技术到 2030 年前将迎来进一步的革命。但目前的 AI 系统依然受限，现有技术难以支撑家用机器人和自动驾驶汽车。

杨立昆正在研究一种新的系统，旨在通过建立一个模型来预测物理世界的行为，从而帮助 AI“理解”现实。“AI 现在还不能与人类匹敌。如果我们能够开发出像猫或老鼠一样聪明的系统，那就算是一大进步。”

相关阅读：

《Meta 首席 AI 科学家杨立昆最新观点：现有技术难以支撑家用机器人和自动驾驶汽车》