AI巨头杨立昆的最新3小时访谈聊了些什么

摘要： 原标题拿下半壁江山中国车企在俄罗斯杀疯了但一个大麻烦已经出现莫斯科人即将复活一年多前莫斯科市长索比亚宁决定在被雷诺匆忙抛弃的工厂里复活莫斯科人汽车文城主...

原标题：拿下“半壁江山”，中国车企在俄罗斯“杀疯了”！但一个大麻烦已经出现“‘莫斯科人’即将复活！”一年多前，莫斯科市长索比亚宁决定，在被雷诺匆忙抛弃的工厂里，复活“莫斯科人”汽车。

文：城主

AI界泰斗级人物Yann LeCun杨立昆昨天刚和硅谷科技圈第一播客Lex同学进行了一次3小时的深度对话。本城第一时间学习了解，和大家一起分享巨头的最新思考。

这段对话的核心,是Yann LeCun对人工智能未来发展的深度思考,特别是他对开源AI的潜力和挑战的独到见解。

LeCun可谓AI领域的"常青藤",他是Meta首席AI科学家、纽约大学教授、图灵奖得主,更是AI发展史上的开创性人物之一。一直以来,LeCun和他的团队都在大力支持和推动开源AI的发展。他们毫无保留地分享了许多里程碑式的大模型,如Llama 2和即将推出的最新Llama 3。针对某些人对AGI(通用人工智能)迫在眉睫的危言耸听,LeCun直言不讳地予以批驳。他坚信AGI终有一天会问世,但那将是人类的福音,而非灾难。

在谈到AI的未来时,LeCun抛出了一些令人耳目一新的观点,尤其是针对GPT-4和即将发布的Llama-3等大型语言模型(LLM)的评论。他指出,尽管这些模型在语言处理上非常出色,但仍难以被视为"超人智能"的载体。因为它们尚不具备理解世界运转规律、把握物理法则、记忆检索信息、持久储存记忆、逻辑推理和行动规划等人类智能的关键要素。LeCun强调,相比语言输入,我们实际上更多地依靠感官输入来认知世界。换言之,我们的知识和认知,很大程度上源自对客观现实的观察和交互,而非单纯的语言学习。

LeCun进一步剖析了LLM的局限性。在他看来,LLM无法像人类那样进行深度思考和周密规划,它们只是本能地一个接一个地吐露词句。他质疑LLM是否真的构建了一个内在的世界模型,以及我们能否仅凭语言预测来塑造对世界的深刻理解。语言在信息传递上的"带宽"和表现力有限,因此单靠对词语序列的预测,难以建立完善的认知模型。与之相对的,是通过观察世界,领悟事物演变的内在逻辑。

LeCun特别以视频预测为例佐证其观点。过去十年,我们苦心孤诣地尝试用视频数据来训练生成模型,但收效甚微。究其原因,正如我们无法准确预测特定语境下的下一个词,我们同样难以穷举视频中所有可能出现的帧。症结在于,我们尚不知道如何高效地刻画高维连续空间中的概率分布。

作为一种可能的解题思路,LeCun提出采用蕴含潜变量的模型。这类模型能够表征我们尚未感知、亟需补全的各类世界信息。然而,尽管这种途径在像素预测上取得了不俗的效果,但在实践中却难以奏效。

LeCun还探讨了训练系统学习图像表征的难题。我们虽然掌握了一整套技术,但在面对残缺图像时,往往难以高质量地复原。为了突破瓶颈,LeCun提出了一种"联合嵌入"的新方法。其基本思路是,先用编码器分别处理完整图像和残缺图像,再训练一个预测器来预测完整图像的表征。

在LeCun看来,通过自监督学习掌握抽象表征,是智能系统的重要一环。我们不应该只局限于对底层细节建模,而应该在多个抽象层次上描述世界万象。与此同时,我们要尽可能多地从输入中榨取信息,但又要避免提取那些难以预测的冗余。

有趣的是,"联合嵌入预测"架构竟然可以学到一些常识,比如预测"捣蛋"的猫咪会如何激怒主人。这一架构采用了"非对比"技术,涵盖基于蒸馏的BYOL(DeepMind)、Vicreg(FAIR)、iJEPA和DINO等方法。它们的共同点是,先将原始输入(如图像)编码为特征表征,再对输入施加扰动,然后训练一个预测器来拟合原始输入的表征。

LeCun认为,大型语言模型(LLM)在处理高阶概念和规划任务上大有可为,但在应对底层操作和细节把控时则力有未逮。为此,我们需要借助JPEG这样的工具,在不失真的前提下提升表征的抽象层次。尽管AI和LLM在语言应用上初露锋芒,但它们尚不具备人类智能的全部特质。举例来说,它们难以理解和模拟人类的共同经历,以及那些低阶的物理知识。此外,LLM在推理能力上也有先天不足。因为它们的计算开销与输出词元的数量成正比,而与问题本身的复杂性无关。

LeCun为未来的AI系统设计指明了一个新方向:与其过度依赖自回归预测,不如在完善的世界模型基础上开展推理和规划。他坚信,这一范式更接近人类的思维方式。面对错综复杂的问题时,我们会投入更多认知资源,展开深入思考和缜密规划。

这段对话还探讨了基于能量的模型在互联网领域的应用前景,特别是在对话系统和语言模型中的潜力。这类模型可以度量某个回答对特定问题的契合度,进而通过在可能解空间中寻优,输出最佳答案。这一过程需要以语言模型为基座,在抽象表征空间中开展运算。与其穷举候选答案再择优,不如直接在连续空间上应用梯度下降,快速收敛至最优解。这种优化驱动的方法已在视觉领域崭露头角,通过对良好输入的表征进行预测,再基于预测误差(即系统能量)迭代优化。强化学习,尤其在更新世界模型和目标函数时,也是一个不可或缺的利器。

LeCun还评论了带人类反馈的强化学习(RLHF)的有效性。这一范式先训练一个质量评估器,再通过反向传播调整系统参数,使其只输出高分答案。针对外界对谷歌Gemini 1.5的种种诟病,尤其是它生成不实或敏感图像、对部分话题避而不谈的毛病,LeCun旗帜鲜明地指出,开源才是破解偏见和审查困局的金钥匙。在他看来,一个零偏见的AI系统只能存在于理想国,因为偏见本身就是主观的,见仁见智。与其另起炉灶,不如拥抱百花齐放的AI生态。未来,AI助手将无处不在,成为人机交互的"中间人"。

LeCun由此出发,畅想了一个多元化的AI未来图景。与其让屈指可数的科技巨头垄断人类知识宝库,不如让顶尖系统开放源代码,供所有人使用和微调。他以与法国政府、印度Infosys公司创始人、非洲初创企业Kera的合作为例,阐释了他推动AI多样性的不懈努力。

谈到开源模型的商业前景,LeCun认为大可不必过于悲观。如果这些模型物有所值,即便免费供应,公司也能从广告和企业服务中获利。他坦言,科技巨头如今困局重重,内有不满的员工、狂躁的高管、内讧的董事会,外有压力团体、极端主义监管机构、政府机构、媒体舆论的接连炮轰,种种乱象无不消解组织的战斗力。

归根结底,LeCun笃信开源和多元是祛除AI系统偏见和审查之弊的两剂良方。只要在系统中设置合理的"护栏",我们就能让AI助手更安全、更纯净。即便在仇恨言论和危险言论这样的灰色地带,适度的微调也许是个不错的权宜之计。

值得欣慰的是,尽管有学者对AI系统(尤其是语言模型)的社会影响表示担忧,但有理有据的证据尚不多见。比如,迄今为止,还没有确凿的案例表明LLM会怂恿用户制造生化武器。要知道,炮制这类武器需要实打实的专业知识,而这恰恰是LLM的知识盲区。

展望未来,LeCun对即将发布的Llama 3和后续版本充满期待。作为真正意义上的开源AI系统,它们有望在感知、记忆、规划、推理等方面不断突破,最终迈向人类水平的通用智能。当然,实现这一宏伟蓝图需要软硬件的协同进化。

对于AI可能带来的灾难性后果,LeCun并不十分认同。在他看来,AI系统不大可能成为一个威胁人类的物种,因为它们没有争夺主导权的野心。不过,AI武器化的风险却是实实在在的,因为它们能左右人心,控制民意。随着AI助手不可逆转地介入人机交互的方方面面,这种威胁只会与日俱增。

此外,LeCun还从社会学的视角解读了新技术的冲击波。面对颠覆性的文化运动或技术革命,人们往往会产生一种本能的恐惧,唯恐自己的文化、工作、孩子的未来和生活方式受到波及。

最后,LeCun畅想了人工智能在机器人领域的美好前景。他认为,机器人将在未来十年大放异彩。尽管业界对机器人寄予厚望已久,但除了一些预设程序,鲜有革命性的突破。症结还是出在如何让系统理解世界运转的规律,并据此制定行动计划。为了解决这个难题,LeCun首先阐释了分层规划的概念,并以从纽约到巴黎的旅行为例,形象地说明了如何通过逐层分解来达成目标。在此基础上,他进一步探讨了如何利用认知和深度学习来训练系统学习分层感知表征,以及如何将这种学习应用到行动规划中去。

LeCun由衷地憧憬,AI终有一天能提升全人类的智力水平,就好比每个人身边都有一帮比自己更聪明的AI助手。它们俯首帖耳,言听计从,还能以更高效、更优质的方式执行任务。届时,每个人都像是一群"超级员工"的领导者。

LeCun还将AI的普及与印刷术的发明相提并论,认为二者都是让人类"脑洞大开"的重大突破。当然,这两项技术也可能引发一些连锁反应,如宗教冲突和就业市场的结构性调整。

但归根结底，LeCun对人性和AI的未来前景保持乐观。他笃信人性向善的本质,也相信AI能放大人类的善意。