AI发展瓶颈凸显！杨立昆解读大语言模型困境

本文围绕图灵奖得主、meta首席AI科学家杨立昆在科技播客节目中的言论展开，探讨了当前生成式AI难以做出科学发现的原因、大语言模型的发展瓶颈以及未来AI的发展方向等内容。

3月23日有消息传出，图灵奖得主、meta首席AI科学家杨立昆（Yann LeCun）做客了20日播出的“Big Technology Podcast”科技播客节目。在节目中，他就当前备受关注的生成式AI为何难以做出科学发现以及未来AI如何发展等一系列热门话题，发表了自己的独到见解。

杨立昆指出，像大语言模型这类现有的AI技术，从本质上来说，是基于文本训练，并通过统计规律来生成答案的。这种方式存在明显的局限性，它无法“创造新的事物”。与之形成鲜明对比的是，人类具备运用常识和心理模型去思考并解决新问题的能力，而这恰恰是AI大模型所欠缺的。他进一步解释道：“它们只是在大量文本数据上进行训练，然后进行检索和生成，缺乏对物理世界的理解和抽象推理能力。”

在谈到大语言模型的发展现状时，杨立昆认为其已经接近瓶颈。随着训练数据的不断增长，所带来的回报正在逐渐递减。进一步获取数据不仅成本高昂，而且很难达到预期的效果。他强调，仅仅通过扩大大语言模型的规模和训练更多的数据，是无法实现人类水平的AI的，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。

那么，什么才是“真正的AI”呢？杨立昆表示，“真正的AI”需要理解物理世界，拥有持久的记忆，并且能够支持推理和规划。

据此前的报道，杨立昆曾在今年2月做出预测，认为AI技术到2030年前将迎来进一步的革命。然而，目前的AI系统依然受到诸多限制，现有的技术还难以支撑家用机器人和自动驾驶汽车的广泛应用。

为了推动AI的发展，杨立昆正在积极研究一种新的系统。他的目标是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。他感慨地说：“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。”

图灵奖得主杨立昆对当前生成式AI的看法，他指出大语言模型等现有AI技术存在难以创造新事物、缺乏对物理世界理解和推理能力等局限，且发展已接近瓶颈。同时，他阐述了“真正的AI”应具备的特征，并透露正在研究帮助AI“理解”现实的新系统。这表明AI发展虽面临挑战，但也有新的探索方向。