@HowToAI_:Yann LeCun 发表了今年最具异端色彩的AI论文。他开篇就辩称马格努斯·卡尔森并不擅长国际象棋,并……
摘要
Yann LeCun 与合著者发表论文,主张AI行业应放弃通用人工智能(AGI)目标,转而提出超人类适应智能(SAI),专注于超越人类能力的专门化适应。
查看缓存全文
缓存时间: 2026/06/11 13:56
杨立昆发表了今年最异端的人工智能论文。
他在开篇就论证马格努斯·卡尔森其实并不擅长下棋,而后文的观点更是愈发离经叛道。
这位图灵奖得主与合著者共同发表了一篇论文,要求AI产业放弃其最为痴迷的目标:通用人工智能(AGI)。
眼下,从硅谷CEO到政界人士,所有人都默认AGI是终极目标——一台能完成人类所有工作的机器。
而杨立昆认为,整个概念都是一种生物幻觉。
人类并不具备“通用“智能。我们只是高度特化的生物机器,经过进化调整,仅为了在物理世界中生存。
我们之所以认为自己的智能具有“通用性“,是因为我们完全无视了自身无法理解的数百万种认知任务。
这就引出了关于国际象棋的论点。
马格努斯·卡尔森是历史上最伟大的人类国际象棋选手。但与现代计算机相比呢?他其实非常糟糕。
我们认为卡尔森“擅长“国际象棋,纯粹是人类中心主义的偏见。客观上说,他并不算好。他只是比我们这些天生就下不好棋的人强一些罢了。
杨立昆说,我们不应再试图构建模仿人类通用性的AI。
相反,他提出了一个新的北极星:SAI。
超级适应性智能(Superhuman Adaptable Intelligence)。
我们不应试图制造一台模仿我们那有缺陷、受限于生物性的大脑的机器,而应该拥抱极致的专业化。
SAI的核心在于适应速度。
它是一种能够在任何特定的、具有经济重要性的任务上超越人类的智能。
更重要的是,它的设计目的是填补人类根本无力胜任的巨大能力空白。
例如实时管理全球能源网络,或预测复杂的分子结构。
整个AI产业都在痴迷于打造一个以我们自身为蓝本的数字镜像。
杨立昆的论文是一记残酷的警钟。
相似文章
面向现实世界的人工智能:与Yann LeCun的对话(12分钟阅读)
Yann LeCun认为,大型语言模型缺乏真正的智能,因为它们不理解物理世界;他主张开发能够学习因果关系并为现实世界应用提供规划的“世界模型”。
@ylecun: 人们意识到,人工智能远不及人类的智能和学习能力。然而,它们已经变得非常有用...
Yann LeCun 观察到,当前的人工智能系统虽然远未达到人类水平的智能和学习能力,但通过积累大量陈述性知识来弥补自身在常识、推理和规划能力上的不足,已经变得非常有用,这一现象引发了关于AI能力的讨论。
@scion_x_: Yann LeCun 可能会赢得关于AI的科学辩论。但这根本不重要。总结只需两行…
这篇文章认为,虽然Yann LeCun在科学上可能是正确的——LLM缺乏真正的智能,但它们的实际效用意味着它们已经在市场上获胜。
@ylecun: 感谢提及“elderly”,不过请看这个:
Yann LeCun 重申了他的立场,即仅凭自回归大语言模型无法实现人类水平的人工智能,并强调了非自回归搜索在当前AI推理系统中的作用。
@rohanpaul_ai: 来自剑桥大学、英伟达及其他顶尖实验室的新论文教会AI智能体和AI评判者共同改进,使任何一方都不会……
来自剑桥大学、英伟达及其他实验室的一篇新论文介绍了Red Queen Gödel机器,这是一种让AI智能体及其评估者共同进化以防止停滞的方法。该方法通过允许评判者在安全交接点改进来避免固定基准,从而在编程和论文写作任务中取得更好的性能。