吵起來(lái)了。

圖靈獎(jiǎng)得主和諾貝爾獎(jiǎng)得主，為了“智能的本質(zhì)”——直接激情友好地交流上了。

AI三巨頭之一、圖靈獎(jiǎng)得主Yann LeCun明確表示：

純粹就是胡扯（complete BS）。

而諾貝爾獎(jiǎng)得主、谷歌DeepMind CEO哈薩比斯也不留情面了，指名道姓回?fù)簦?/p>

LeCun的說(shuō)法簡(jiǎn)直是大錯(cuò)特錯(cuò)。

論戰(zhàn)之激烈，關(guān)注度之高，已經(jīng)讓專門開辟了一個(gè)話題板塊：

馬斯克也跑來(lái)吃瓜了——

沒有任何多余的解釋，但這波他站哈薩比斯——“Demis is right”。

當(dāng)然，馬斯克的站隊(duì)可能也有別的原因。畢竟他和LeCun素來(lái)不是很對(duì)付，跟哈薩比斯則亦師亦友——馬斯克還是哈薩比斯DeepMind早期投資人。

要科學(xué)吃瓜，可能還是要知道他們究竟在激辯什么？

爭(zhēng)論焦點(diǎn)：智能的本質(zhì)是什么？

事情還要從LeCun幾天前接受的一場(chǎng)采訪說(shuō)起。

他在節(jié)目中言辭犀利地指出：

根本不存在所謂的“通用智能”，純粹就是胡扯（complete BS）
這個(gè)概念毫無(wú)意義，因?yàn)樗鼘?shí)際上是用來(lái)指代人類水平的智能，但人類智能其實(shí)是高度專業(yè)化的。我們?cè)诂F(xiàn)實(shí)世界里確實(shí)干得不錯(cuò)，比如認(rèn)個(gè)路、導(dǎo)航blabla；也特別擅長(zhǎng)跟人打交道，因?yàn)樵蹅冞M(jìn)化了這么多年就是干這個(gè)的。
但在國(guó)際象棋方面，我們表現(xiàn)很差。而且還有一堆事兒都搞不定，反倒是有些動(dòng)物比我們強(qiáng)得多。所以說(shuō)，我們其實(shí)就是“專才”。
我們認(rèn)為自己是“通用”的，但這僅僅是一種錯(cuò)覺，因?yàn)槲覀兡芾斫獾乃袉?wèn)題都局限于我們能想到的那些

簡(jiǎn)單概括就是，LeCun認(rèn)為人類智能并不“通用”，而是為了適應(yīng)現(xiàn)實(shí)物理世界而專門進(jìn)化出來(lái)的某種專業(yè)能力。

人類之所以擅長(zhǎng)識(shí)別物體、躲避危險(xiǎn)、與他人合作等，也只是因?yàn)檫@些能力在進(jìn)化中被環(huán)境塑造。

然而，這一觀點(diǎn)很快遭到了哈薩比斯的直接回懟。哈薩比斯表示：

LeCun的說(shuō)法簡(jiǎn)直是大錯(cuò)特錯(cuò)。
他這是把“general intelligence”和“universal intelligence”兩個(gè)概念搞混了。

然后他一一駁斥了LeCun的觀點(diǎn)，其原話如下：

大腦是目前宇宙中已知最精妙、最復(fù)雜的事物，實(shí)際上具有極強(qiáng)的通用性。
但是在實(shí)際的系統(tǒng)當(dāng)中，“天下沒有免費(fèi)的午餐”這個(gè)道理是無(wú)法回避的——任何實(shí)際且有限的系統(tǒng)，在其所學(xué)目標(biāo)分布周圍，都必然存在一定程度的專門化。
但從圖靈機(jī)的理論意義上講，通用性的核心在于，只要給予足夠的時(shí)間、內(nèi)存（及數(shù)據(jù)），就能夠?qū)W習(xí)任何可計(jì)算的內(nèi)容。而人腦（以及AI基礎(chǔ)模型）正是近似的圖靈機(jī)。

并且，針對(duì)LeCun關(guān)于國(guó)際象棋棋手的評(píng)論，哈薩比斯認(rèn)為人類能發(fā)明國(guó)際象棋本身就令人驚嘆，更不用說(shuō)從科學(xué)到波音747等現(xiàn)代文明的一切了。

關(guān)于LeCun對(duì)棋手的評(píng)論——人類最初竟能發(fā)明國(guó)際象棋（乃至從科學(xué)到波音747的整個(gè)現(xiàn)代文明！）本就令人驚嘆，更不用說(shuō)還能出現(xiàn)像馬格努斯·卡爾森那樣棋藝卓絕的人物。
他或許并非嚴(yán)格意義上的最優(yōu)解（畢竟記憶有限、決策時(shí)間也受限），但考慮到我們的大腦本是為狩獵采集而進(jìn)化，他和我們?nèi)缃袼艹删偷囊磺?，已足以展現(xiàn)人腦的驚人潛力

顯而易見，哈薩比斯對(duì)“智能”的理解從不局限于計(jì)算機(jī)科學(xué)，而是深度融合了神經(jīng)科學(xué)。

一直以來(lái)，他認(rèn)為真正衡量智能的兩個(gè)關(guān)鍵標(biāo)準(zhǔn)分別是通用性（Generality）和學(xué)習(xí)能力（Learning），為此他經(jīng)常拿1997年“深藍(lán)”戰(zhàn)勝卡斯帕羅夫舉例——

雖然“深藍(lán)”在國(guó)際象棋上很強(qiáng)，但還是連簡(jiǎn)單的井字游戲都不會(huì)玩，所以足以見得這種程序的死板之處。

而關(guān)于這場(chǎng)對(duì)決，哈薩比斯還透露，最吸引他的不是“深藍(lán)”這個(gè)系統(tǒng)，而是卡斯帕羅夫的大腦（畢竟他能作為人類代表與AI進(jìn)行比賽）。

沒錯(cuò)，又是“大腦”這個(gè)關(guān)鍵詞。哈薩比斯一直堅(jiān)信，人類大腦是宇宙中已知的唯一關(guān)于“通用智能可行性”的存在性證明。

當(dāng)大腦和AI結(jié)合之后，所謂的“通用人工智能”其實(shí)就是能夠展現(xiàn)出人類所擁有的所有認(rèn)知能力的系統(tǒng)。

至于具體如何實(shí)現(xiàn)AGI，哈薩比斯多年來(lái)也形成了一套自己的方法論，總結(jié)起來(lái)就是——

預(yù)測(cè)構(gòu)建理解，規(guī)劃擴(kuò)展可能，強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)自主進(jìn)化。

第一步：以預(yù)測(cè)為基石。

在他看來(lái)，智能的本質(zhì)在于預(yù)測(cè)——無(wú)論是預(yù)測(cè)下一個(gè)單詞還是預(yù)測(cè)蛋白質(zhì)的折疊形狀。這是所有認(rèn)知活動(dòng)的基礎(chǔ)形式，也是AI理解世界的內(nèi)在驅(qū)動(dòng)力。

第二步：引入搜索與規(guī)劃

AI系統(tǒng)首先要建立一個(gè)世界模型，然后在此基礎(chǔ)上進(jìn)行搜索或規(guī)劃，以在巨大的組合搜索空間中找到最優(yōu)解。

第三步：最終通向深度強(qiáng)化學(xué)習(xí)

這是哈薩比斯最推崇的終局路徑，也是對(duì)大腦運(yùn)作方式的模擬——深度學(xué)習(xí)負(fù)責(zé)模式匹配和尋找結(jié)構(gòu)，強(qiáng)化學(xué)習(xí)負(fù)責(zé)通過(guò)試錯(cuò)進(jìn)行規(guī)劃和達(dá)成目標(biāo)。這在生物學(xué)上對(duì)應(yīng)著大腦的神經(jīng)通路和多巴胺獎(jiǎng)勵(lì)系統(tǒng)。

至此，我們看到兩位大佬關(guān)于智能本質(zhì)的爭(zhēng)論，表面上看起來(lái)似乎確實(shí)截然不同。

一個(gè)認(rèn)為“通用性智能”是胡扯，本質(zhì)上智能是自然世界高度專業(yè)化的產(chǎn)物；另一個(gè)認(rèn)為通用性智能不僅存在，而且仍有巨大潛力有待挖掘。

但事實(shí)，真的如此嗎？

上述爭(zhēng)論過(guò)后，LeCun又再次出來(lái)回應(yīng)了，而且這次直接點(diǎn)名了分歧核心——用詞。

我認(rèn)為分歧主要在于用詞。我反對(duì)用“通用（general）”來(lái)指代“人類水平”，因?yàn)槿祟愂歉叨葘ｉT化的。

不過(guò)，雖然承認(rèn)用詞有分歧，但他還是繼續(xù)重申了“人類智能并不通用”的觀點(diǎn)。其論證如下：

第一，理論完備≠實(shí)際通用。

你也許不同意人類思維是專門化的，但事實(shí)確實(shí)如此。這不僅是理論能力的問(wèn)題，更是實(shí)踐效率的問(wèn)題。顯然，一個(gè)經(jīng)過(guò)良好訓(xùn)練的人腦，如果配合無(wú)限量的紙和筆，是圖靈完備的。但對(duì)于絕大多數(shù)計(jì)算問(wèn)題來(lái)說(shuō)，這種方式效率極低，因此在資源受限的情況下（比如下棋），它遠(yuǎn)非最優(yōu)方案。

就是說(shuō)，哈薩比斯所構(gòu)想的“理想的圖靈機(jī)”對(duì)解決現(xiàn)實(shí)問(wèn)題幾乎沒有意義，因?yàn)檎嬲闹悄鼙仨氃谟邢拶Y源下高效運(yùn)作——而人腦的進(jìn)化恰恰是資源約束下高度優(yōu)化的結(jié)果。

第二，兩個(gè)典型例子可以反映大腦的“非通用性”。

在理論上，一個(gè)兩層神經(jīng)網(wǎng)絡(luò)可以以任意精度逼近任何函數(shù)；但在實(shí)踐中，幾乎所有有意義的函數(shù)都需要隱藏層中包含數(shù)量巨大、難以實(shí)現(xiàn)的神經(jīng)元。正因如此，我們才使用多層網(wǎng)絡(luò)——這正是深度學(xué)習(xí)存在的根本原因。
再換一個(gè)角度來(lái)看：視神經(jīng)大約有100萬(wàn)根神經(jīng)纖維。為了簡(jiǎn)化討論，我們假設(shè)信號(hào)是二進(jìn)制的，那么一次視覺任務(wù)就可以被視為一個(gè)從100萬(wàn)比特映射到1比特的布爾函數(shù)。在所有可能的此類函數(shù)中，有多少是人腦可以實(shí)現(xiàn)的？答案是：一個(gè)無(wú)窮小的比例。

通過(guò)這兩個(gè)例子，LeCun再次重申了自己的觀點(diǎn)：

所以我們不僅談不上“通用”，而且是極其高度專業(yè)化的?？赡艿暮瘮?shù)空間極其廣闊。我們之所以沒有意識(shí)到這一點(diǎn)，是因?yàn)槠渲薪^大多數(shù)函數(shù)對(duì)我們來(lái)說(shuō)復(fù)雜到難以想象，看起來(lái)幾乎完全是隨機(jī)的

而且他還提到了愛因斯坦曾經(jīng)說(shuō)過(guò)的一句話——世界上最不可思議的事情，是世界竟然是可以被理解的。

在所有可能的、隨機(jī)的世界組織方式中，我們竟然能夠理解其中極小的一部分，這本身就令人驚嘆。而我們無(wú)法理解的那一部分，我們稱之為“熵”。從這個(gè)意義上說(shuō)，宇宙中絕大多數(shù)的信息都是熵——是我們孱弱的認(rèn)知能力無(wú)法理解、因而只能選擇忽略的內(nèi)容。

總之，事情battle到最后，網(wǎng)友們也是紛紛回過(guò)神來(lái)了——這場(chǎng)爭(zhēng)論最大的bug可能就在用詞上了。

而拋開用詞不談，本質(zhì)上來(lái)看，兩個(gè)人其實(shí)更像是在談?wù)摬煌膯?wèn)題：一個(gè)核心在強(qiáng)調(diào)“我們是什么”，另一個(gè)則在強(qiáng)調(diào)“我們能成為什么” 。

而這，也恰恰指向了同一個(gè)更深層、也更現(xiàn)實(shí)的議題——

接下來(lái)，我們究竟該以怎樣的方式實(shí)現(xiàn)AGI？

答案：世界模型

不管是在LeCun還是哈薩比斯這里，答案其實(shí)都已經(jīng)很清晰了——

世界模型。

眾所周知，即將從Meta正式離職的LeCun，下一站就是創(chuàng)業(yè)世界模型。

據(jù)《金融時(shí)報(bào)》爆料，其新公司名為Advanced Machine Intelligence Labs（AMI Labs），計(jì)劃于明年一月正式亮相，目標(biāo)估值30億歐元（約247億人民幣）。

在LeCun的理解中，世界模型所要追求的不是渲染精美的像素，而是掌握控制理論和認(rèn)知科學(xué)。

他認(rèn)為對(duì)AI而言，只有中間那個(gè)抽象表征才重要（和JEPA研究一脈相承），模型沒必要浪費(fèi)算力去生成像素，只需專注于捕捉那些能用于AI決策的世界狀態(tài)。

換言之，了解“世界的結(jié)構(gòu)是什么”才是最關(guān)鍵的。

而哈薩比斯這邊也在采訪中多次表示，世界模型絕對(duì)是自己和谷歌接下來(lái)的重點(diǎn)。

今年8月，谷歌DeepMind推出了新版世界模型Genie 3。哈薩比斯表示：

我們談?wù)摰氖澜缒Ｐ?，指的是那種能夠理解世界運(yùn)行機(jī)制中因果關(guān)系與協(xié)同效應(yīng)的模型，也就是一種“直觀物理學(xué)”——事物如何運(yùn)動(dòng)、如何相互作用、如何表現(xiàn)。
你已經(jīng)可以在當(dāng)前的視頻模型中看到這種能力的雛形。
而檢驗(yàn)是否真正具備這種理解的一種方式是否能夠構(gòu)建一個(gè)逼真的世界。因?yàn)槿绻隳軌蛏伤?，那么在某種意義上，你就已經(jīng)理解并內(nèi)化了這個(gè)系統(tǒng)的運(yùn)作規(guī)律。

這也解釋了為什么Genie、Veo這些模型首先會(huì)以視頻模型的形式出現(xiàn)。在他看來(lái)，這種可交互的世界模型正是通往AGI的關(guān)鍵一步。

通過(guò)對(duì)比，我們能發(fā)現(xiàn)雖然二者都是在描繪“世界模型”，但他們的理解和實(shí)踐方向也明顯存在差別——

LeCun代表著“世界模型即認(rèn)知框架”，而谷歌哈薩比斯代表著“世界模型即模擬器”。

嗯，同一個(gè)概念，不同的理解和實(shí)踐——怎么不算一種call back呢？（手動(dòng)狗頭）

Anyway，回顧歷史，實(shí)際上AI的每一次躍遷都伴隨著這樣的“爭(zhēng)吵”：

符號(hào)主義和連接主義的爭(zhēng)論，定義了智能的根基究竟是“邏輯”還是“數(shù)據(jù)”；

端到端學(xué)習(xí)和模塊化系統(tǒng)的爭(zhēng)論，定義了“系統(tǒng)該如何構(gòu)建”；

再加上我們今天的“開源VS閉源之爭(zhēng)”、“智能本質(zhì)之爭(zhēng)”……

還是那些老話，“真理不辯不明”、“真理越辯越明”。

不過(guò)玩笑說(shuō)說(shuō)，等到真理辯明了，那個(gè)老頭可要來(lái)了……

One More Thing

幾乎同一時(shí)間，LSTM之父Jürgen Schmidhuber又出來(lái)隨機(jī)掉落了一個(gè)“小彩蛋”，他預(yù)判了預(yù)判——

LeCun即將創(chuàng)業(yè)的世界模型，他們?cè)?014年就有涉獵了（原話是二者高度相似）。

怎么說(shuō)呢，Jürgen Schmidhuber老爺子這幾年，基本都在“維權(quán)”了。

作為L(zhǎng)STM的發(fā)明者，LSTM一度在ChatGPT誕生前被稱為“最具商業(yè)價(jià)值的人工智能成就”，而作為L(zhǎng)STM之父，Jürgen Schmidhuber早在三巨頭獲得圖靈獎(jiǎng)之前就被《紐約時(shí)報(bào)》稱為“成熟人工智能之父”。

但當(dāng)AI時(shí)代真正到來(lái)，各種技術(shù)發(fā)明者桂冠沒有他、圖靈獎(jiǎng)沒有他、諾貝爾獎(jiǎng)也沒有他……

Schmidhuber只能一次次維權(quán)、隔空懟人，最后成為祥林嫂·Schmidhuber。

幸好，還有推特，可以讓他主頁(yè)上清晰完整展示——

以及推特當(dāng)前的擁有者馬斯克，他評(píng)價(jià)Jürgen Schmidhuber時(shí)言簡(jiǎn)意賅：一切的發(fā)明者。

這，確定不是在陰陽(yáng)八卦？