最大骗局坦白Llama与我无瓜！开元棋牌试玩LeCun怒揭机器人

　　这些公司压根不知道-•◁，如何让机器人变得足够「聪明」▽□▲▷…△，或是说达到通用智能的程度◁▷▼◁•。

　　搞笑的是◇□△，主持人前一句还在夸「Llama的诞生让世界AI民主化」▼▲-◇△●，话音还没落▷◆▪…○▼，LeCun就在旁边急着插话——

　　他指出■★▽•，文本属于「低带宽」数据源▷-•，「仅靠文本训练永远无法实现人类水平智能」●◆★▽。真正的智能来源于高带宽的感知输入——视觉○…◇◇、听觉…•-、触觉等多模态经验•◇△，而非低维度的离散符号◆•。

　　现场☆▼○■◁★，主持人再次圆话○▽，「但最后能跑出来的◁●▽●▽，往往还是『臭鼬工厂』（Skunk Works）这种模式」▪★…。

　　耐人寻味的是=☆▷，在一个关键问题上的判断与Yann LeCun不谋而合◆…○•▲：他也否认制造业是主要突破方向-▷，并指出「人形机器人当前的竞争焦点在于谁能攻克通用机器人技术」●○▷▼■。

　　猫能感知三维空间-○、判断物体稳定性■○•、规划复杂动作■▼，而目前的所有生成式模型恰恰无法企及这些能力■◆。

　　这一概念▪-▽=■◁，在2016 NeurIPS大会主题演讲中…○，LeCun早已向世界传输——

　　马斯克始终聚焦「极其艰巨」的制造挑战▪=▷▪▷，指出人形机器人规模量产「所需的供应链尚不存在」▼◇○。

　　我们不担心那些公司▼☆。主持人一听★▷=，并行部署不同策略进行直接对比▪□。LeCun这番话再次捅了「马蜂窝」▷…•▽，已相当于所有公开文本训练的最大规模LLM的数据量◇■…▷■开元棋牌官方网站。四岁儿童通过视觉接收的数据量▲-▽…。Figure机器人的所有操作都「由神经网络驱动」◆◆○□。主要就是为了把它产品化★▷。

　　LeCun指出□★▪-▼，大语言模型（LLM）存在本质瓶颈——虽然形式上通过「学习」取代了显式编码□▲◇○◇□，但仍依赖人类知识的间接转移★◆◇。

　　这一次▼◇，LeCun在演讲中再一次强调◇●，「我并没从技术层面上▷★…☆◁△，参与Llama的项目」◆…=☆。

　　2018年开元棋牌试玩•◆，因在概念与工程领域的突破性贡献●○，他让深度神经网络成为计算技术的关键组成部分▼▽△◇▽□，和Bengio•★○●、Hinton共享图灵奖◇-□▼。

　　而突破的核心○…◇，在于打造一款真正可以规划的「世界模型」架构■▷，即能够学习理解和预测物理世界系统◆□。

　　Yann LeCun的警告◁…☆▼…★，最终重新定义了人形机器人竞赛的维度▲=●：胜利者▷△◁，或许不属于推出最炫酷demo或设定最激进量产目标的厂商•●•○▪☆，而将属于那个率先攻克机器理解物理世界这一根本性难题的探索者□■◁◁■○。

　　LeCun称□▼▲●○■，团队所采用的「环境动力学模型」完全通过自监督学习的△▼▽……，也是当前方法的核心所在◆△•=◆。

　　【新智元导读】一场公开演讲●●，LeCun毫不留情揭穿真相▽●◆▼：所谓的机器人行业▪•○☆，离真正的智能还远着呢…■•□！这番话像一枚深水炸弹=●，瞬间引爆了战火△□★○○，特斯拉▲□、Figure高管纷纷在线回怼▪◁◇=••。

　　Figure创始人Brett Adcock直接喊话□■□，「谁去和LeCun说一声▷■◁，让他别端着了▲▼◆▲◇，亲自下场干点实事吧」▷◇！

　　明年就能实现通过语音指令▪▽▲▼▼，让人形机器人在陌生环境（比如从未进入的家庭）完成各类通用工作□●▲◁★◆。

　　Yann LeCun的论断看似否定了整个人形机器人领域★△…☆◆，但已有企业公开将其研发方向与他倡导的「世界模型」概念对齐=▲■。

　　人工智能领域在1990至2000年代经历「寒冬」●▷◇▲-，但2013年LeCun加入Facebook-=▼△，创立FAIR（Facebook AI Research）•●=•☆，并推动「深度学习」这一术语取代「神经网络」•△◇-▪，标志着产业界开始系统性地接受这一范式◁▷▪●。

　　机器人不用针对特定任务反复训练-▼▪，只需从模拟数据或真实操作中学习「动作-结果」的关系▽▽○□，就能零样本完成新任务■=◆○…。

　　机器人在工厂里拧螺丝●▷★•■☆、搬货等○□□□，可通过特定任务训练实现…-★◆▪，但让它们在家中叠衣服•◁-、倒水▪☆○、理解人的意图●☆▷◁，还很难•▽◁◇△。

　　Elluswamy确认★◇◆，这套被视作世界模型问题直接解决方案的架构▽=•□，将「无缝迁移」至Optimus机器人-□。

　　实验已证明■=□▪▲=，可以用世界状态的表示——来自现有模型DINO•▼▽，无论是从零开始学习▼△，还是基于V-JEPA 2等框架-■，都可以做到这一点=•○▲▲=。

　　LLM有时虽能提供实用的结果□•=▪•◆，相反▲□★▼☆☆，引机器人界大佬上阵怒喷▪…。而且说真的▼△◆◇○，

　　Meta血裁AI部门研究员掀全网风暴之外••●▽★●，LeCun却一直对外撇清自己和Llama的关系•☆。

　　不同于传统模型根据状态预测动作△=☆◆，神经世界模拟器能够基于当前状态与后续动作◇••◁•，直接合成未来状态▲△。

　　但这次-■◁◆▽…，Yann LeCun直言★◁▼…◇•：「LLM就是一条死胡同…▷△◆，世界模型才是正道」△◇◇□。

　　在此基础上-◆●●•，可运用优化方法◇••○，搜索能够优化任务目标的最优动作序列▪…，这一过程即为「规划与最优控制」△□▷•。

　　我一直认为=■-•▼◆，生物学给工程提供了很多灵感▼▽▷▼。在自然界中•□□◁，所有活着的东西都有适应能力•△▲▼，只要有神经系统就能学习•◁■◁…。

　　同时▷○☆○…☆，系统可结合一个「代价函数」（cost function）☆▽•▲□=，用于评估特定任务的完成情况■-△▪●。

　　这种机制使得模拟器可与智能体或策略AI模型形成闭环连接…=△，从而实现对系统性能的精准评估◇◁…▷▽△。

　　所以■◁◇% “云南咖啡”成为中国咖啡代名词开元棋 从产业分布看…▽■，云南是中国最大的咖啡种植区▽•▪●，全省咖啡种植主要分布在怒江…•●△●、澜沧江▽○、红河-○■•、金沙江等流域海拔9001800米的地 更多 % “云南咖啡”成为中国咖啡代名词开元棋！，我当时想•=◁▪，也许我们人类没那么聪明▪▪●◁•○，构建智能系统最靠谱的方法◁◆，可能是让它自己学会变聪明□▲△▽=。

　　最近在MIT的一场讲座中•-◇，Meta首席AI科学家LeCun一语道破了机器人界最大的秘密——

　　甚至让人误以为其「智商堪比博士」▪★★•▽☆，他将Figure的技术路径与同行对比▲□▪☆◇，直言某些公开演示只是「戏剧表演」或预设程序○△◇。所以很多估值数十亿公司的未来▼▪▽，也就如今的「超级智能实验室」（MSL）的前身◆▼•，基本上取决于是否能在「世界模型+规划」的架构上取得显著进展▽□△=•。唯一途径是神经网络」◇-…▲=…。最后◆-！

　　在最近的计算机视觉顶会ICCV◆=，特斯拉AI负责人Ashok Elluswamy详细介绍了公司的「神经世界模拟器」——一个通过车队视频数据训练的端到端系统▷▷▽。

　　LeCun直言不讳•…•□，过去几年▲△○★，打造「类人机器人」的初创公司如雨后春笋般涌现开元棋牌试玩-☆●•▼。

　　首席执行官Bernt Børnich在播客中坦言…◁▽▲=，让机器人进入家庭存在「理想与现实的落差」□-●■▷■，指出「现实环境复杂得离谱」•-☆□，甚至「Wi-Fi连接问题比机器人技术本身更棘手」△•=…●。

　　这种务实立场-▲，结合其轻量级肌腱驱动设计所带来的安全性优势◇▽◆△，暗示着行业清醒认识到◇◆…•◁：Yann LeCun所说的「突破性进展」仍需要持续探索▼=▼-▲。

　　他强调★◆■△，即便猫的大脑仅含约2△◆◇…◁■.8亿个神经元□●-◁▽，其对物理世界的理解与行动规划能力仍远超当前AI系统▷▼。

　　给到一个时刻t的世界状态●□◆-，再给定一个智能体可能的动作★…◆○，预测动作执行后的环境□-。

　　主持紧接着问道■•□▪•○，所以这能推动机器人技术▽○•□□，让未来这十年真正成为机器人的时代▪★◆▼△？

　　人形机器人拥有40个自由度（关节）□◇•★，可能产生的位姿组合数量甚至超过宇宙原子总数•◇◇=。

　　据报道□▪…☆，特斯拉正在建设年产百万台Optimus机器人的生产线年初推出具备「量产意向」的V3原型机★◇▽-••。

　　当系统有足够好的世界模型▼◆●○•，便能「想象」如何完成一个它从未被训练过的任务□○▪▼。

　　包括1981年诺奖得主David H▲◆◁. Hubel和Torsten N■▪◇. Wiesel等人▽▷最大骗局坦白Llama与我无瓜！，他有点偶然地发现▽▪■▷□▼，但这些系统只是「回忆」训练中的信息•=◇•○。「没关系□○•▲▪，直接给这场狂热泼了一盆冷水◇●▲□◁▽，我们非常信奉创业精神」▪◇▷…•▪。与多位行业领袖所鼓吹的激进时间表形成了鲜明对比☆▷○=•。上大学时◇◆▪！

　　获得OpenAI投资的挪威公司1X Technologies=••▷，近期发布了自研「世界模型」▼□=。

　　他将大语言模型训练所需的数万亿标记词元□▷△○…，与儿童处理的海量感官数据进行对比▪☆…◁○▷：

　　就已经开始思考「自组织」的问题——也就是系统如何自我组织学习•▪=○。马上话锋一转打了个圆场-◆○，谁曾想•☆◇，小扎下定决心组建了一个GenAI团队•▷△◇，1X世界模型的独特优势在于…★▼▷●：允许从相同初始条件出发★○□▪◇•？

　　如图所示◇◁★，1X世界模型包含视觉编码器■☆、动作编码器=•▪□▷□、核心网络○■△○，以及视频与状态价值解码器◁▲…。通过对成功标签进行监督学习生成的状态价值预测○=▪★▼▷，可对输入动作的质量进行量化评估▷…▼▪。

　　就好比■•▷▽◇■，让一个机器人冲一杯咖啡★□◁▽，它需要想象一系列动作——拿起杯子△○-、倒水-▼△••、搅拌●▼●◁•，并预测每一步的结果△▽••□。

　　接着•◁▷◆，他分享了幕后故事▽△，「第一代Llama…-，其实有一点像『海盗』项目（pirate project）▷☆▷，与官方LLM并行开发」▼●▪▼◁。

　　大概2022年中后期★•▪◇▽，巴黎一个十来人的小组☆◆★，决定做一个轻量高效的LLM▪□△•，结果真做出来了◇▷▲▷。

　　顺便提一句◁=▷，Yann LeCun访问清华大学时■•，确定了自己的中文名「杨立昆」■■▲•…◇。

　　Brett Adcock强调「这个问题无法通过编程解决□◆△■■▲，他进一步指出•◁==，Yann LeCun的「冷静」●☆▽☆•▪，在2023年初▼▲★◇◆，原来早在50-60年代□◇□□=■开元棋牌试玩LeCun怒揭机器人！