+关注

手机看

微信扫一扫，随时随地看

杨立昆公开炮轰人形机器人！但背后问题的关键是啥？

前哨王煜全

2025-04-01 06:39发布于北京海银资本创始合伙人科技领域创作者

+关注

AI划重点 · 全文约2144字，阅读需7分钟

1.Meta首席AI科学家杨立昆公开炮轰人形机器人，认为现有AI大模型无法理解真实世界的因果关系，不具备实现AGI（通用人工智能）的能力。

2.杨立昆指出，当前AI大模型的底层机制存在根本缺陷，与人类智能的物理世界理解能力存在数量级差异，且神经网络架构无法支撑复杂推理任务。

3.然而，杨立昆认为AGI短期内无法实现，反而给了大家一个宝贵的缓冲期，可以与AI更好的协作，共同进化。

4.他强调，在AGI到来之前，关注领域智能和人机协同尤为重要，让AI完成繁重的、重复性的工作，人类专注于理解世界的因果关系，创造前所未有的东西。

以上内容由腾讯混元大模型生成，仅供参考

本期要点：冷眼看热潮

你好，我是王煜全，这里是王煜全要闻评论。

最近，人形机器人确实很火爆。但同时，一篇有关Meta首席AI科学家、图灵奖得主杨立昆（Yann LeCun）炮轰人形机器人的文章（“Meta 首席科学家炮轰人形机器人：价值千亿的豪赌还是科技骗局？”），在网络上引起了广泛讨论，也引起了我们的关注。尽管未能直接找到杨立昆的原始说法，但文章中的观点，无疑与杨立昆的一贯看法不谋而合。

在今年1月的联合数学会议（Joint Mathematics Meetings, JMM）上，杨立昆就详细介绍了自己对于当前AI产业的看法。他认为，现有的AI大模型，实质上只是在处理文本符号的关系，并不理解真实世界的因果关系，也就没有基于这些逻辑关系建模的能力。

他举例说，家猫能自主安排复杂的任务，10岁孩子在少量尝试后就能完成家务，17岁的青少年经过二十小时的训练，就能驾驶汽车。

随后，他又问道，尽管全球已累计投入了数百亿美元来训练AI大模型和自动驾驶系统，AI看了大量的资料和驾驶数据，但我们的L5级自动驾驶汽车以及家政机器人在哪？

基于此，他指出了AI发展的三重核心矛盾。第一，当前的大语言模型，虽然取得了突破性进展，但其底层机制、也就是自回归预测机制存在根本缺陷。第二，现有AI系统的训练方式与人类智能的物理世界理解能力存在数量级差异。第三，神经网络的架构无法支撑复杂推理任务。

简单说，杨立昆认为，以现有的方式，我们不可能实现AGI（通用人工智能）。

我总体上认同杨立昆的判断，仅靠Token，我们确实没办法到达AGI。不过，这并不代表现在大家所做的事情没有意义。而且，如果像他说的，AGI短期内无法实现，正好也给了大家一个宝贵的缓冲期，可以与AI更好的协作，共同进化。

首先，杨立昆问，L5级自动驾驶汽车和家政机器人在哪？我觉得关键点就在于，“自主化”问题远没解决。

“自动化”不等于“自主化”。不难发现，现在绝大部分的机器人创新全都陷入“自动化”的陷阱，而“自主化”方面的进展却很少。

可是，机器人的可用性就取决于其自主化程度。

比如，机器人可以按照设定好的动作完美地跳舞，其动作的复杂度、韵律感、节奏感都令人惊叹。但它们不太可能和真人一起跳舞，更不可能像资深舞者一样可以玩“Free Style”，也就是即兴舞蹈，换个歌它们就不知道该跳什么舞了。

再如前段时间，宇树机器人的一段武术视频非常火，其平衡感和动作协调性确实值得称赞，但它肯定不能和真人对打。

而且我想强调的是，“自动化”和“自主化”所需要的能力不同，是两个不同的研发方向。“自动化”需要的是良好的控制力，而“自主化”靠的是环境理解能力。

同样，我认为当前自动驾驶系统的分级方式也是有问题的。它仅以人类司机是否要介入作为标准。但“介入”的原因是什么？是“自动化”还是“自主化”不足呢？很明显，后者才是问题的关键。因此，自动驾驶系统的级别应当以其“自主化”水平来界定。

但我们看到，即使是特斯拉“端到端”的FSD，也旨在覆盖更多场景，让AI能具备足够强的“自动化”。可一旦AI碰到从没见过的场景，就束手无策了。

究其原因，就在于当前AI的环境理解能力太弱。

这是当前AI的发展路径所决定的。别说机器了，哪怕把人关在房子里，只让他看文字资料，加上少量的图片和视频，不许去现场实践，可想而知，这个人在新环境中的认知能力也一定比大部分人都要弱很多。

要知道，一个孩子在学会做家务之前，已经通过眼睛、耳朵、手脚等感官，从真实物理世界中接收了大量信息。

更不用说，婴儿出生就自带一些物理常识，比如物体恒常性，他们还会通过玩耍、扔东西等方式不断验证和修正这些常识。

所以，如果AI真的要具备足够强的环境理解能力，就至少得和人做同样的事情。可目前AI系统对物理世界的观察和实践程度，仍然相当粗浅。即使是当前最大的多模态模型训练数据集，哪怕和孩子们几年内所接收的信息量相比，都还是天壤之别。

当然，这还不仅是数据量级差异的问题，AI还要能理解数据中的因果关系，甚至还要能自己预测后果，并通过实践来验证预测。要做到这些，需要新的模型，也注定需要很长时间。像杨立昆自己就明确声明放弃了大模型，转而研究世界模型，不过目前看来，他们的进展还很有限。

所以，其实这轮大模型引领的AI革命之后，我们又回到了历次AI革命之后的同样的起点：AGI要靠下一轮AI革命，而下一轮AI革命的到来，可能是三年，也可能是三十年。

最后，我想说的是，既然AGI还很远，不如专注当前，此时“领域智能”和“人机协同”就尤为重要了。

就像特斯拉的FSD以及各个中国车企的自动驾驶系统，虽然还不能很好应对从没见过的情景，但它们在见过的、特别是熟练的场景中，表现会优于大部分人。

至少在城市通勤、高速公路等大部分常见场景，AI是能灵活应对的，那么让大家在这些时候放松放松，无疑也是很有价值的。

更关键的是，如果AGI突然降临，而我们的社会规则、观念、习惯都还没准备好，那AGI对人类社会的伤害其实会大于收益。AGI慢慢到来，反而给了我们一个人机共生的缓冲期。

因此，在未来很长一段时间里，AI都将扮演“韩信”，完成繁重的、重复性的工作；而我们可以当“刘邦”，专注于理解这个世界的因果关系，自主地创造前所未有的东西，并用一群能力各异的“韩信”们来自动化完成工作。

人和人的主要区别，就在于能否善用AI这个“韩信”。虽然这个时代人人都可以是刘邦，但如果其他人都会用AI，手下名将如云，而你空有“刘邦”的地位，却是个光杆司令，那么也会被淘汰。

所以，向你推荐前哨AI小课，Tina老师手把手带你掌握最新最好用的AI技能，想要用AI提升职场技能的朋友，千万不要错过！

以上就是今天的内容，王煜全要闻评论，我们明天见。

最后，我们诚挚地邀请您参与AI小课的问卷调查。您的宝贵意见是我们不断优化课程内容的关键，请抽出几分钟时间填写问卷，一起帮助我们提升课程质量。

感谢您的支持与贡献！

免责声明：本内容来自腾讯平台创作者，不代表腾讯新闻或腾讯网的观点和立场。