为什么 AI 不能有自己的发现?——与 Yann LeCun 对话

Why Can't AI Make Its Own Discoveries? — With Yann LeCun

频道:Alex Kantrowitz · 时长:59:23 · 发布:2025-03-19 · 播放:223521

在 YouTube 观看

简介

Yann LeCun 在 Big Technology Podcast 上讨论了为什么当前 AI 模型尽管拥有知识却无法做出发现。他认为系统需要抽象的世界模型,还涵盖了 AI 研究的局限、投资者期望以及 DeepSeek 之后的开源。

HN 为什么推荐

被指出是 LeCun 关于 LLM 局限性和需要世界模型的论点。

相当令人大开眼界。 — HN, 2026

机器学习与深度学习 · 大语言模型与生成式 AI · 科技先驱与访谈

中文字幕节选

为什么生成式AI已经摄取了世界上所有的知识,却无法 自己做出科学发现,它是否终于开始理解 物理世界了?我们将与Meta首席AI科学家、图灵奖 得主Yann LeCun讨论这个问题。欢迎来到Big Technology播客,一档为科技界及更广领域提供冷静、细致 对话的节目。我是Alex Kantrowitz,我非常激动地欢迎 Yann LeCun——首席AI科学家、图灵奖得主,被誉为 AI教父——来到Big Technology播客。Yann,很高兴再次见到你,欢迎来到 节目。很荣幸来到这里。让我们从一个关于科学发现的问题开始, 以及为什么AI至今还未能实现科学发现。这个问题来自 Dwarkesh Patel,他几个月前问过:你怎么看待这个事实——AI 生成式AI基本上已经记住了人类知识的全部语料库,却 未能建立哪怕一个能带来发现的新连接?而 即使是一个中等智力的人,如果记住了这么多东西,呃,他们也会 注意到:哦,这个东西导致这个症状,那个东西导致这个症状, 这里可能有一种医学疗法。所以,我们难道不应该期待AI 做出这类事情吗?从AI来说,是的;从大型语言模型来说,不。你知道,有几种 类型的AI架构,对吧?当我们谈论AI时, 我们突然想到的是聊天机器人。聊天机器人、LLM是在海量知识上训练的, 这些知识纯粹是文本,它们被训练来基本上复述、检索、呃, 本质上生成符合它们所训练文本统计规律的答案。 它们能做的事情令人惊叹,非常有用, 这毫无疑问。呃,我们也知道它们会幻觉出并非 真实的事实。呃,但就其最纯粹的形式而言,它们无法发明新 事物。让我抛出这个观点,是Hugging Face的 Thomas Wolf上周在LinkedIn上分享的。我知道你参与了相关讨论, 非常有趣。他说,要在数据中心创造出一个爱因斯坦,我们不仅需要一个 知道所有答案的系统,而是一个能提出别人从未 想到或不敢问的问题的系统,一个会写下“如果所有人对这件事都错了呢?”的系统, 当所有教科书、专家和常识都表明 相反时。有没有可能教LLM做到这一点?不,不,以 当前形式不行。呃,我的意思是,任何能做到这一点的AI形式都不会 是LLM。它们可能把LLM作为一个组件。LLM对于 生成文本很有用,好吧。所以未来我们可能会有AI系统, 我们可能用它们把抽象思维转化为语言。呃,在人类 大脑中,这是由这里一个很小的脑区完成的,叫做布罗卡区,它 大约这么大。呃,那就是我们的语言模型,好吧。但我们不是用语言思考的,我们 是用对情境的心理表征来思考的。我们对所思考的一切都有心理模型。 即使能说话,我们也可以思考。呃,而这发生在 这里,你知道,这才是真正智能所在的地方,而这正是我们 尚未复现的部分,尤其是用LLM。所以问题是,呃,你知道, 我们最终会不会有能够 不仅回答已有问题,还能 为我们指定的问题给出新解决方案的AI架构、AI系统?答案是

HN 上的讨论

这不是诉诸权威,但如果你对此持开放态度,这个视频可能包含你问题的答案 [VIDEO] — qsera, 2026-04
在这一期播客[0]中,他确实谈到了这种模型,以及它如何通过经验而不是仅仅摄入理论材料来“学习物理”。这相当令人大开眼界。0. [VIDEO] — Xunjin, 2026-03
什么?“文章”来自 Anthropic,所以我认为他们应该知道自己在写什么。另外,RL 是一种额外的训练过程,并不否定 GPT / transformers 是左右自编码器,实际上是下一词预测器。[为什么 AI 不能有自己的发现?——与 Yann LeCun 对话]([VIDEO]) — mentalgear, 2025-03

相关视频