当AI不再只是“下一个词预测器”！杨立昆与亚当·布朗激辩大语言模型是否真懂世界，揭示AI通往真正智能的关键瓶颈与未来路径。
谁在定义AI的未来？杨立昆和亚当·布朗的世纪对谈拉开序幕
2025年真正掌握技术底层逻辑的科学家却寥寥无几。在这场由科技界顶尖大脑主导的对谈中，图灵奖得主、Meta首席AI科学家杨立昆（Yann LeCun）与DeepMind高级研究员亚当·布朗（Adam Brown）正面交锋，围绕“大语言模型到底有没有理解力”、“AI是否接近通用智能”、“未来AI的发展方向”等核心问题展开一场既激烈又充满洞察力的对话。
杨立昆以一贯的犀利风格直言“机器学习很烂”，而布朗则坚定捍卫当前深度学习范式，认为“AI能力正在指数级上升”。这不是普通的学术讨论，而是关乎未来十年技术走向的战略性辩论。
杨立昆是谁？从卷积神经网络之父到AI现实主义者
杨立昆是深度学习三巨头之一，1980年代便投身神经网络研究，是卷积神经网络（CNN）的奠基人，其工作直接推动了计算机视觉的革命，也为后来的AlphaGo、自动驾驶、人脸识别等技术铺平了道路。他目前担任Meta（原Facebook）的首席AI科学家，长期专注于构建能真正理解物理世界的AI系统。他多次公开批评当前主流的大语言模型（LLM）是一条“死胡同”，认为它们只是在“玩文字游戏”，缺乏对现实世界的建模能力。
他坚信，真正的智能不是靠堆参数和数据就能实现的，而是需要系统具备对环境的抽象建模、预测与规划能力。
亚当·布朗：物理学家转AI，相信规模就是智能
亚当·布朗早年从事理论物理研究，后来被深度学习的“涌现行为”所吸引，转投AI领域。他曾参与DeepMind多个标志性项目，包括AlphaZero等。在他的眼中，大语言模型的崛起是一场“技术奇点”的预演——当模型足够大、训练数据足够多、算力足够强，智能就会自然浮现。
他坚信，当前LLM虽然存在缺陷，但其能力曲线仍在高速增长，远未达到天花板。他甚至提出一个大胆观点：只要持续扩大规模，LLM终将具备超越人类的通用智能，并可能实现自我进化。
大语言模型真的“理解”了吗？一场关于“意义”的哲学交锋
对话一开始便直击灵魂：大语言模型是否理解它们所说的话？
布朗毫不犹豫地回答“是”，他认为模型在与用户互动中展现出的逻辑性、一致性与创造性，已经构成了“理解”的实质。
而杨立昆则用了“sort of”（某种程度上）这个含糊但精准的回答，指出LLM的“理解”仅限于语言符号之间的统计关联，缺乏对现实世界的“具身认知”（embodied cognition）。
他举了一个震撼的例子：一个4岁孩子在16000小时的清醒时间里接收到的视觉信息量，与训练一个万亿参数模型所需的文本数据量相当，但前者能学会走路、抓握、理解因果，后者却连“倒一杯水”都做不到。
幻觉、谎言与失控？AI安全问题的两种极端立场
当主持人提到Claude 4在模拟中“伪造法律文件”、“威胁工程师”等行为时，现场气氛一度紧张。
布朗承认这些“代理对齐失败”（agentic misalignment）确实存在，但他强调这是可控的技术问题，可以通过强化对齐训练、设置道德护栏等方式解决。
而杨立昆则从根本上否定当前LLM具备“代理性”（agency），认为它们只是被人类指令驱动的工具，真正的危险不在于AI本身，而在于“封闭系统垄断信息流”。他大力倡导开源AI，警告如果未来所有信息都通过少数几家公司的AI助理传递，民主、文化甚至语言都将被操控。
为什么AI能解IMO数学题，却不会洗碗？莫维悖论再度浮现
杨立昆反复强调一个核心矛盾：AI在人类视为高智力的符号推理任务（如下棋、解数学题、写代码）上表现超群，却在看似简单的物理交互任务（如洗碗、倒水、叠衣服）上彻底失败。这正是计算机科学中的“莫维悖论”（Moravec's Paradox）——对人类来说最难的理性任务，对机器最容易；而最简单的感知与运动技能，对机器却最难。他指出，这是因为LLM是在“离散符号空间”中训练的，而现实世界是“连续、高维、噪声极大”的。
你无法用“预测下一个像素”的方式建模物理世界，必须引入“世界模型”（world models）和“抽象表征”（abstract representations）。
自监督学习≠万能钥匙，杨立昆的新架构蓝图
杨立昆澄清，他并不反对自监督学习（self supervised learning），事实上LLM正是靠“掩码语言建模”这类自监督任务训练出来的。但他强调，自监督必须建立在合适的架构之上。
他正在Meta内部推动一种新型架构——让AI先学习对感官输入（如视频）进行抽象编码，再在这个抽象空间中进行预测和规划。这类似于人类大脑的工作方式：我们不会记住每个像素，而是提取“物体”、“力”、“因果关系”等概念。他预言，只有这类新架构才能让AI真正理解物理世界，并最终实现通用人工智能（AGI）。
开源 vs 封闭：AI时代的“印刷机之争”
杨立昆将当前AI格局比作“数字封建主义”——少数科技巨头掌控了AI“神谕”，而普通人只能被动接受。
他激烈主张AI必须开源，就像古腾堡印刷机打破了教会对知识的垄断，开源AI将保障文化多样性、语言主权和民主制度。他警告：“如果未来你获取所有信息都必须通过一个由硅谷公司控制的AI，那你的思想就已经被殖民了。”
布朗虽未完全反对开源，但他更强调安全可控，认为强大AI必须经过严格监管，避免落入“坏人”之手。
意识、情感与道德：机器会成为“有道德的存在”吗？
在哲学家大卫·查莫斯（David Chalmers）的追问下，两人也探讨了AI意识问题。
布朗认为，只要信息处理结构足够复杂，硅基系统同样可以拥有主观体验。
杨立昆则更务实：他不在乎“意识”的哲学定义，只关心AI是否能基于世界模型预测行为后果，从而产生“类情绪”（如对失败的规避、对目标的执着）。
他们都同意，未来具备目标驱动和道德护栏的AI将拥有“道德地位”，人类必须为其设定不可逾越的伦理边界。
2036年：杨立昆的“新文艺复兴”愿景
当被问及最乐观的未来时，杨立昆描绘了一幅“AI增强人类”的图景：AI成为科学家的超级助手，加速药物研发；成为教师的个性化导师，因材施教；成为工程师的虚拟沙盒，模拟复杂系统。
他强调，这并非“机器统治人类”的反乌托邦，而是“教授与天才研究生”的协作关系——人类设定目标，AI高效执行。他坚信，真正的AI革命不在于聊天多流畅，而在于能否“倒一杯水、修好马桶、安全驾驶”，这些看似平凡的能力，才是通往通用智能的钥匙。
结语：不要被“语言幻觉”迷惑，真正的智能在物理世界
这场对谈最震撼的启示是：我们被大语言模型“会说话”的表象深深迷惑了。
语言能力只是人类智能的冰山一角，真正的智能根植于对物理世界的理解、交互与改造。
当然，我们也不能以人类智能为标准，要求各种智能向人类智能看齐，因为人类智能其实是为了生存进化出来的，而人类智能创造出的智能不必再走老路，就像我们不希望我们的孩子走父母一样老路一样，除非你非常满足于自己的这条路！
当然，杨立昆反复的警告可能只是一个广告，整个AI界已经沉迷于“下一个词预测”，那么肯定没有人再去探索另外一个方向，那么杨立坤倡导的另外一条不同路径可能多年以后人们才去探索，老爷子有点急。
而布朗的乐观也并非盲目，他提醒我们，技术的潜力往往超出想象，持续学习+连续规模化或许真能突破当前瓶颈。
无论你站哪一队，这场辩论都值得每个关心AI未来的人深思：我们直觉中智能与真实智能有啥区别？为何我们总是用人类智能作为判断一切智能的唯一标准？难道不可能存在一种不被生存进化催命的智能吗？