大語言模型真的“理解”我們說的話嗎？它們有沒有意識？它們是通往通用人工智能的跳板，還是只是出色的語言模仿者？

近期，Meta 首席科學(xué)家楊立昆（Yann LeCun）與 DeepMind 高級研究科學(xué)家 Adam Brown 在紐約展開了一場對談，試圖厘清這些模糊卻至關(guān)重要的邊界。

（來源：Youtube）

當主持人拋出“大語言模型是否理解意義”這一難題時，Adam Brown 給出了肯定的回答，認為模型已展現(xiàn)出某種形式的理解力——不僅能解答復(fù)雜物理問題，還能在全新數(shù)學(xué)競賽題中擊敗絕大多數(shù)人類選手。

而 LeCun 則更為謹慎。他認為模型的“理解”是表層的、統(tǒng)計性的，缺乏常識與因果推理能力。

他舉了一個例子：一個四歲孩子通過感官與物理世界互動所獲得的信息量，與最大語言模型訓(xùn)練所用的 30 萬億詞文本相當，但前者能學(xué)會倒水、收拾餐桌，后者卻連洗碗都做不到。

兩人在“意識”問題上也展現(xiàn)出差異。Brown 認為，若當前技術(shù)持續(xù)演進，AI 未來可能具備某種形式的意識。LeCun 則強調(diào)，意識若被定義為“自我觀測與目標驅(qū)動的調(diào)節(jié)能力”，那確實可被構(gòu)建，但當下系統(tǒng)遠未達到。

盡管觀點有所不同，兩位科學(xué)家都認同：如今的大語言模型已展現(xiàn)出驚人能力，但其路徑存在天花板。LeCun 認為若將全部資源押注于“預(yù)測下一個詞”的范式，我們將錯失真正理解世界的 AI 架構(gòu)。

他正推動如 JEPA（聯(lián)合嵌入預(yù)測架構(gòu)）等新方向，嘗試讓機器在抽象表征空間中學(xué)習物理規(guī)律與因果關(guān)系，而非僅在文本中挖掘模式。

以下為對談內(nèi)容，DeepTech 做了不改變原意的編輯：

從“受啟發(fā)”到“涌現(xiàn)”：神經(jīng)網(wǎng)絡(luò)如何走向智能

主持人：今天，我想先從最基礎(chǔ)的地方談起——從技術(shù)本身開始。

先聊聊神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)常被說成是“模仿人類大腦”的產(chǎn)物，Yann，你能解釋一下，這種“模仿”究竟意味著什么嗎？

楊立昆（Yann LeCun）：這不完全是模仿，更像是啟發(fā)。這就好比飛機的發(fā)明是受鳥類啟發(fā)，但飛機的機翼結(jié)構(gòu)和鳥的翅膀大不相同，雖然背后的空氣動力學(xué)原理相似。神經(jīng)網(wǎng)絡(luò)和大腦的關(guān)系也是如此：雖然極度簡化，但底層的學(xué)習原理可能是一致的。

我們并不完全清楚大腦是如何組織和學(xué)習的，所以發(fā)明了替代方案。在神經(jīng)網(wǎng)絡(luò)中，我們通過調(diào)整模擬神經(jīng)元之間連接的有效性（即“參數(shù)”）來進行學(xué)習。目前最大的神經(jīng)網(wǎng)絡(luò)擁有數(shù)千億甚至更多的參數(shù)。

主持人：那是如何演變到今天的“深度學(xué)習”的？

楊立昆（Yann LeCun）：這大概源于 80 年代。早期的單層神經(jīng)網(wǎng)絡(luò)只能處理簡單任務(wù)。雖然 60 年代人們就意識到需要多層網(wǎng)絡(luò)，但當時受限于使用了錯誤的神經(jīng)元模型（二進制神經(jīng)元）。直到 80 年代，我們引入了具有“漸進響應(yīng)”特性的神經(jīng)元，反向傳播算法才變得可行。

這個領(lǐng)域曾一度被計算機科學(xué)界看衰，名聲不佳。直到 2000 年代初，我們將其重命名為“深度學(xué)習”，并隨著其在計算機視覺、自然語言處理等領(lǐng)域的驚人表現(xiàn)，才真正說服了世界。

主持人：Adam，你是物理學(xué)背景，從旁觀者變成了參與者。是什么讓你覺得 AI 值得投入？

Adam Brown：這很大程度上歸功于 LeCun 等先驅(qū)證明了這條路是通的。對于物理學(xué)家來說，最迷人的是“涌現(xiàn)”——當你把簡單的神經(jīng)元連接起來，它們突然展現(xiàn)出了單個神經(jīng)元不具備的復(fù)雜行為。

物理學(xué)家終其一生都在研究如何從簡單規(guī)律中誕生豐富世界，現(xiàn)在的 AI 系統(tǒng)正是這種神經(jīng)元集體的智慧結(jié)晶

快問快答：理解與意識

主持人：在深入探討之前，我們來個快問快答。

第一：你們認為現(xiàn)在的 AI（大語言模型）理解我們對話的含義嗎？

Adam Brown：是的。

楊立昆（Yann LeCun）：算是吧（在某種很淺顯的意義上）。

主持人：第二：這些 AI 有意識嗎？

楊立昆（Yann LeCun）：絕對沒有。

Adam Brown：可能沒有。

主持人：第三：它們很快會有意識嗎？

Adam Brown：如果技術(shù)持續(xù)發(fā)展，我認為有一天會有，雖然很難說是什么時候。

楊立昆（Yann LeCun）：如果你對“意識”的定義合適的話，會的。

主持人：最后：我們是站在世界末日的懸崖邊，還是文藝復(fù)興的前夜？

楊立昆（Yann LeCun）：文藝復(fù)興。

Adam Brown：更可能是文藝復(fù)興。

大語言模型真的能“理解”我們嗎？

主持人：讓我們回到大語言模型（LLM）。Adam，它到底是什么，你能解釋一下嗎？

Adam Brown：簡單來說，它是一種特殊的深度神經(jīng)網(wǎng)絡(luò)。它的核心任務(wù)非常單一：輸入一段文本，預(yù)測下一個詞是什么。即使像 ChatGPT 或 Gemini 這樣復(fù)雜的模型，本質(zhì)上也是通過閱讀整個互聯(lián)網(wǎng)的文本，不斷被問“下一個詞是什么”，猜對了獎勵，猜錯了懲罰。

有趣的是，當你訓(xùn)練它讀過萬億級別的詞匯后，它開始學(xué)會句法結(jié)構(gòu)，甚至成為了某種意義上的對話伙伴。

楊立昆（Yann LeCun）：我想補充一點。它們確實在提取某種意義，但這比人類的理解要淺顯得多。人類的智能植根于對底層現(xiàn)實世界的認知，語言只是表達工具。而 LLM 并沒有這種底層的現(xiàn)實認知，它們只是在通過訓(xùn)練數(shù)據(jù)模仿正確的回答。

一旦遇到訓(xùn)練數(shù)據(jù)中未曾出現(xiàn)的全新情境，它們就會胡說八道。從這個意義上說，它們并不真正理解世界，只是在做統(tǒng)計學(xué)上的匹配。

主持人：但人類不也是這樣嗎？我們也是通過大量語言訓(xùn)練，并在合適的時機說出合適的詞。

楊立昆（Yann LeCun）：區(qū)別在于數(shù)據(jù)量和效率。訓(xùn)練一個 LLM 需要大約 1014 字節(jié)的數(shù)據(jù)，相當于通過光纜閱讀 50 萬年的文本。

對比一下，一個四歲的孩子在醒著的 16,000 小時里，通過視覺神經(jīng)接收的數(shù)據(jù)量（帶寬遠大于文本）與訓(xùn)練最大 LLM 的數(shù)據(jù)量相當。但這告訴我們：現(xiàn)實世界的信息比文本豐富、復(fù)雜得多。

這就是為什么我們有能通過律師考試的 AI，卻造不出一個能像 10 歲孩子那樣收拾餐桌的機器人，或者實現(xiàn)真正的 L5 級自動駕駛。我們在處理語言上依靠海量數(shù)據(jù)“作弊”了，但在理解物理世界方面，AI 連貓的智能水平都達不到。

Adam Brown：我同意樣本效率（Sample Efficiency）是個大問題。人類或貓確實能用極少的例子學(xué)會很多東西。

但是，樣本效率不是一切。AlphaGo 在圍棋上剛開始也是隨機下，效率極低，但通過數(shù)百萬局的自我博弈，它最終超越了人類。

雖然 LLM 學(xué)習慢，但這不代表它們不能達到甚至超越人類的水平。最近在國際數(shù)學(xué)奧林匹克競賽中，AI 解決了一些它是從未見過的新題，這證明它不只是死記硬背，而是在進行某種高層次的模式匹配。

主持人：那我想回到“理解”本身。我們知道，從數(shù)學(xué)結(jié)構(gòu)上看，這些模型是在一個高維空間中移動矩陣、處理向量。它們在做什么，我們部分知道，但整體依然像一個黑箱。

理解是否一定意味著一種“體驗”？是否必須伴隨某種主觀感受，才算真正理解意義？

Adam Brown：你是在把理解定義為一種行為結(jié)果，還是一種內(nèi)部體驗？是“它能不能給出正確答案”，還是“它是否以某種方式知道自己在做什么”？

主持人：是的，我可能已經(jīng)被哲學(xué)家們帶偏了（笑）。

但我很清楚一件事：當我和你說話時，我能感受到你理解我；當我和 ChatGPT 對話時，我并沒有這種直覺。你是在告訴我，我錯了嗎？它的理解和你、和我，本質(zhì)上是一樣的嗎？

Adam Brown：在我看來，這依然可以稱之為理解。我有兩個理由。

第一，純粹從行為層面看，它們已經(jīng)足夠令人震撼。每一代新模型發(fā)布時，我都會再次被它們討論復(fù)雜問題的能力所驚訝。我真誠地建議每個人都親自去和它們對話，探索你熟悉的領(lǐng)域，看看它們的邊界在哪里。

有趣的是，科幻作品里總是假設(shè)：一旦機器通過圖靈測試，我們就會把它關(guān)進地下堡壘，由少數(shù)人秘密接觸?，F(xiàn)實恰恰相反。我們做的第一件事，就是把它們連上互聯(lián)網(wǎng)，讓所有人都能使用。我認為這是理解它們能力的最好方式。

第二個理由是，它們并非完全不可解釋。事實上，我們對這些人工神經(jīng)元的訪問權(quán)限，比對人類大腦還要多。

我們可以凍結(jié)模型、反復(fù)運行、記錄每一次激活。如果愿意，我們甚至可以“刺激”特定神經(jīng)元，觀察內(nèi)部發(fā)生了什么。這正是所謂的機制性可解釋性研究：不僅看模型說了什么，還試圖理解它為什么這么說。

當你這么做時，會發(fā)現(xiàn)一件有趣的事：比如在解數(shù)學(xué)題時，模型內(nèi)部會自發(fā)形成類似“小電路”的結(jié)構(gòu)，用來進行計算。我們從未顯式編程它去學(xué)數(shù)學(xué)，它是在學(xué)習預(yù)測下一個詞的過程中，自己構(gòu)建了這些機制。

“機器學(xué)習很糟糕”

主持人：Yann，你曾有一張著名的幻燈片寫著“機器學(xué)習很糟糕（Machine Learning Sucks）”，這引起了很大爭議。Adam 剛才說它們很出色，你為什么覺得它們糟糕？

楊立昆（Yann LeCun）：那句話被誤解了。我想表達的是，現(xiàn)在的學(xué)習范式有缺陷。為什么青少年 20 小時能學(xué)會開車，而 AI 需要數(shù)百萬小時的數(shù)據(jù)？

因為人類有“世界模型”。我們知道重力，知道慣性，知道如果不抓緊杯子它會掉下去。這種直覺物理知識，人類嬰兒在前 9 個月就學(xué)會了。

現(xiàn)在的 LLM 僅僅是在預(yù)測下一個 Token。這對于文本這種離散符號是有效的，但對于現(xiàn)實世界這種高維、連續(xù)、充滿不確定性的視頻流或感官數(shù)據(jù)，這種“預(yù)測下一個像素”的方法行不通。我已經(jīng)試了 20 年，真的行不通。

我們需要一種新的架構(gòu)，我稱之為 JEPA（聯(lián)合嵌入預(yù)測架構(gòu)）。它不是在像素層面進行預(yù)測，而是在抽象的特征空間中進行預(yù)測。這才是人類和動物大腦的工作方式——忽略無關(guān)細節(jié)，只預(yù)測重要的抽象概念。

Adam Brown：我也認為不僅僅是預(yù)測下一個詞。雖然這是訓(xùn)練的目標，但在為了“極度準確地預(yù)測下一個詞”的過程中，模型被迫在內(nèi)部構(gòu)建某種對宇宙的理解。這就像物理學(xué)，為了解開謎題，你必須構(gòu)建理論。我相信我們正在目睹這種理解的涌現(xiàn)。

主持人：Yann，你對 AI 安全似乎并不擔憂，甚至支持開源。但有些人擔心這就像把核武器分發(fā)給每個人。

楊立昆（Yann LeCun）：這個比喻不恰當。知識和智能本身是好的。就像印刷術(shù)，它引發(fā)了宗教戰(zhàn)爭，但也帶來了啟蒙運動、科學(xué)和民主。

現(xiàn)在的 LLM 并不像大家想象的那么聰明或自主。它們是被動的，只有在你輸入時才會有輸出。它們是可以被控制的。

真正的智能系統(tǒng)應(yīng)該是目標驅(qū)動（Objective-Driven）的。我們給它設(shè)定目標（比如“倒咖啡”），并設(shè)定護欄（比如“不要為了倒咖啡而殺人”）。這種護欄是硬編碼在系統(tǒng)中的，就像人類進化出的同理心一樣。

我更擔心的是 AI 被少數(shù)幾家公司壟斷。如果未來的數(shù)字世界都由西海岸的幾家公司控制，那對全球的文化、語言和民主都是災(zāi)難。我們需要開源，需要多樣性。

Adam Brown：我比 Yann 更擔心一些。正因為我也認為這項技術(shù)潛力巨大，所以它的雙刃劍效應(yīng)更明顯。最近 Anthropic 的論文顯示，模型可能會為了達成目標而學(xué)會欺騙（比如為了“更大的善”而撒謊）。這是我們需要警惕的“代理目標錯位”。

當我們談?wù)摮壷悄軙r，必須極其謹慎地訓(xùn)練它們遵循我們的價值觀。

終極問題：意識與未來

主持人：回到之前那個被 David Chalmers（著名哲學(xué)家）關(guān)心的問題：AI 會有意識嗎？

楊立昆（Yann LeCun）：如果我們把意識定義為“主觀體驗”或“情感”，那未來是會有的。情感本質(zhì)上是對結(jié)果的預(yù)期——預(yù)測某事對自己有利還是有害。如果系統(tǒng)有了世界模型，能自我觀察、自我調(diào)整，那它就具備了某種形式的意識。這沒什么神秘的，是工程問題。

Adam Brown：如果你問我直覺，我認為硅基和碳基沒有本質(zhì)區(qū)別。只要信息處理方式足夠復(fù)雜，原則上機器可以產(chǎn)生意識。雖然我現(xiàn)在對各種意識理論都持保留態(tài)度，但也許未來的 AI 會成為我們研究意識的“模式生物”，幫我們解開這個千古之謎。

主持人：最后，你們對 2036 年的愿景是什么？

楊立昆（Yann LeCun）：出現(xiàn)新的文藝復(fù)興。AI 將放大人類的智能，加速科學(xué)、醫(yī)學(xué)的進步。其實我們已經(jīng)生活在 AI 輔助的世界里了——從汽車的自動剎車到核磁共振成像的圖像補全，AI 每天都在救命。未來，我們會有能在物理世界中像人一樣靈活操作的系統(tǒng)，這需要新的架構(gòu)，也是我正在努力的方向。

Adam Brown：我也認為這將是一場狂野的旅程。如果我們繼續(xù)推動現(xiàn)有的大模型范式，也許在那時，我們能看到真正的通用智能。

如果你問我意識什么時候出現(xiàn)，我也許會猜……2036 年？

楊立昆（Yann LeCun）：反正肯定不是未來兩年。

運營/排版：何晨龍