編輯｜+0

今天 AI 圈最大的熱鬧莫過于 LeCun 和哈薩比斯在推上「吵」了起來。

事情的起因，源于 Yann LeCun 最近的一次「火力全開」。前段時間，一位博主發(fā)布了一段 LeCun 的訪談剪輯，LeCun 在播客節(jié)目中表示：「通用智能」不存在，是徹頭徹尾的胡說八道。

• 播客地址：https://www.youtube.com/watch?v=7u-DXVADyhc

他的觀點很犀利：我們之所以會有「通用」的錯覺，是因為陷入了幸存者偏差，我們只能意識到那些我們能想象出的問題，卻忽略了海量位于人類認知盲區(qū)之外的、我們根本無法構想的任務。人類在棋類等任務上表現(xiàn)差勁，并且動物在許多其他領域勝過我們。

以下是 LeCun 的原話：

根本就不存在所謂的通用智能（general intelligence）。這個概念完全講不通，因為它實際上是被設計用來指代人類水平的智能的。
但人類智能其實是高度專用化的。好吧，我們確實能很好地應對現(xiàn)實世界，比如導航以及諸如此類的事情。我們也能很好地應對其他人，因為這是我們進化的結果。但在國際象棋方面，我們卻表現(xiàn)得很差。所以，實際上有很多任務我們都做不好，而在這些方面很多其他動物都比我們要強得多。
這意味著什么呢？這意味著我們是專用的。我們自以為是通用的，但這僅僅是一種錯覺，因為所有我們能理解的問題，恰恰都是我們能構想出來的，對吧？反之亦然。所以，我們只是在所有我們要能想象到的問題上是「通用」的。明白嗎？但其實還有很多問題是我們根本無法想象的。
對此有一些數(shù)學論證，除非你問我，否則我不打算在這里深入探討?？傊^的通用智能這個概念，完全是無稽之談（BS）。

該帖引發(fā)了廣泛的討論，支持者稱其為「現(xiàn)實主義」和「人間清醒」。

批評者則認為其用夸張言論博取關注。

本來大家以為這只是 LeCun 的日常輸出，沒想到引來了另一位大佬：Google DeepMind 的掌門人 Demis Hassabis。

今天，Hassabis 引用了該帖，直接正面硬剛。這一下子就把討論熱度拉滿了（近 700 萬圍觀）。

他認為LeCun 混淆「通用智能」和「普適智能」。雖然「天下沒有免費的午餐」（沒有算法能完美解決所有問題），但人類大腦和 AI 基礎模型近似于圖靈機。只要給夠時間、內(nèi)存和數(shù)據(jù)，理論上啥都能學。

最精彩的是他對「下棋」的回應：人類大腦的出廠設置明明是為了在大草原上「采集和狩獵」的，結果我們用這套硬件不僅發(fā)明了國際象棋，還造出了波音 747。這難道還不算「通用」得令人驚嘆嗎？

以下是 Hassabis 的原話：

Yann 在這一點上完全錯了，他混淆了通用智能（general intelligence）與普適智能（universal intelligence）。
大腦是我們目前在宇宙中已知的最精妙、最復雜的現(xiàn)象，而且它們實際上具有極高的通用性。
顯然，人們無法繞過無免費午餐定理，因此在一個實際且有限的系統(tǒng)中，針對正在學習的目標分布，總是必須存在一定程度的專業(yè)化。
但關于通用性的重點在于：從理論上講，在圖靈機的意義上，這樣一個通用系統(tǒng)的架構只要給予足夠的時間和內(nèi)存（以及數(shù)據(jù)），就能夠學習任何可計算的事物。而人類大腦（以及 AI 基礎模型）都是近似的圖靈機。
最后，關于 Yann 對國際象棋選手的評論，人類最初能發(fā)明國際象棋（以及現(xiàn)代文明的所有其他方面，從科學到波音 747?。@本身就令人驚嘆，更不用說像 Magnus 這樣的人能達到如此輝煌的水平了。他可能不是嚴格意義上的最優(yōu)解（畢竟他的記憶有限，決策時間也有限），但考慮到我們的大腦原本是為了狩獵采集而進化的，他和我們所能做到的事情簡直不可思議。

許多人同意 Hassabis 的觀點，認為人類大腦的適應性和創(chuàng)造力證明其通用性。

也有許多中立的討論。

LeCun 本人也很快回復了 Hassabis。

LeCun 并沒有退讓，他認為這不僅是詞匯定義的問題，更是數(shù)學事實：理論上可行不代表實際上有意義。就像視神經(jīng)傳遞的信息量是巨大的，能在這么龐大的數(shù)據(jù)里找到規(guī)律，人類能理解的那一小部分世界，在數(shù)學概率上簡直微乎其微。

比起驚嘆于人類「能造波音 747」，LeCun 更傾向于感嘆人類「居然能在充滿隨機熵的宇宙里理解這么一點點東西」，這才是奇跡，但這依然改變不了我們高度「專用」的本質(zhì)。

以下是 LeCun 的原話：

我認為分歧主要在于詞匯的定義。我反對使用「通用」（General）一詞來指代「人類水平」（Human Level），因為人類是極度專業(yè)化（Specialized）的。
你可能不同意人類思維是專業(yè)化的這一觀點，但事實的確如此。這不僅關乎理論上的能力，更關乎實際效率。
顯然，一個受過恰當訓練且擁有無限紙筆的人腦是圖靈完備的。但在處理絕大多數(shù)計算問題時，它的效率極低，這使得在資源受限的情況下（例如下國際象棋），人腦的表現(xiàn)是高度次優(yōu)的。
讓我打個比方：理論上，一個雙層神經(jīng)網(wǎng)絡可以以任意精度逼近任何函數(shù)。但在實踐中，幾乎每一個有意義的函數(shù)都需要在隱藏層中包含數(shù)量大到不切實際的單元。因此，我們使用多層網(wǎng)絡（這實際上正是深度學習存在的根本原因）。
再看另一個論點：視神經(jīng)擁有 100 萬根神經(jīng)纖維。讓我們做一個簡化的假設，即信號是二元的。因此，視覺任務就是一個從 1E6 比特到 1 比特的布爾函數(shù)。
在所有可能的此類函數(shù)中，大腦能夠實現(xiàn)的比例是多少？答案是：微乎其微的一部分。 100 萬比特的布爾函數(shù)總數(shù)是 2^(2^1E6)，這是一個難以想象的巨大數(shù)字，大約是 2^(1E301030) 或 10^(3 x 1E301029)。
現(xiàn)在，假設人腦有 1E11 個神經(jīng)元，也許有 1E14 個突觸，每個突觸用（比如說）32 比特表示。那么，指定整個連接組所需的總比特數(shù)最多為 3.2E15。這意味著整個人腦可表示（可計算）的布爾函數(shù)總數(shù)最多為 2^(3.2E15)。
與 2^(1E301030) 相比，這是一個極小的數(shù)字。我們不僅不是通用的，而且是極其專業(yè)化的。
可能的函數(shù)空間是巨大的。我們之所以沒有意識到這一點，是因為這些函數(shù)中的大多數(shù)對我們來說都難以理解地復雜，看起來完全是隨機的。
我喜歡阿爾伯特·愛因斯坦的這句名言：「這個世界最不可理解的事情，就是它是可以理解的?！?在世界所有可能的隨機組織方式中，我們實際上能找到一種方法去理解其中的一小部分，這真是令人難以置信。
我們不理解的部分，我們稱之為熵。宇宙中的大部分信息內(nèi)容都是熵：那些我們要么無法用微弱的思維去理解，要么選擇忽略的事物。

這場神仙打架，自然少不了各路大佬的圍觀。

謝賽寧顯然是支持 LeCun 的。他推薦了 Frans de Waal 的書《Are We Smart Enough to Know How Smart Animals Are?》（我們足夠聰明到知道動物有多聰明嗎？），表示這本書徹底改變了他對人類智能和動物智能的看法，讓他感到更謙卑。

他的潛臺詞很明顯：人類別太自戀了，動物的智能遠比我們以為的要復雜，這種「通用性」的優(yōu)越感該放放了。

黑天鵝理論（指極不可能發(fā)生，實際上卻又發(fā)生的事件）之父 Nassim Nicholas Taleb 從哲學角度切入，認為 LeCun 實際上是在闡述 Quine 的經(jīng)驗主義教條在 AI 領域的投射。他認為任何智能都是「領域特定」的，逃不開進化和結構的束縛。

馬斯克依舊保持了他的簡潔風格，轉發(fā)并評論：「Demis 說得對?！?/p>

頂級免疫學家 Derya Unutmaz 則覺得 LeCun 陷入了概念混亂。

不過，兩位大佬的爭論看似圍繞「定義」，實質(zhì)上反映的是對 AGI（通用人工智能）發(fā)展路徑的不同判斷。

Hassabis 的立場更接近于通用計算主義：只要系統(tǒng)在架構層面具備足夠的通用性（例如近似圖靈機），并在現(xiàn)實約束下不斷擴展算力、數(shù)據(jù)和訓練時間，其能力邊界可以持續(xù)外推。從這個角度看，人類大腦雖然并非為下棋或工程設計而進化，但依然能夠發(fā)展出科學、工程與復雜文明，這本身被視為通用智能的一種體現(xiàn)。

LeCun 則強調(diào)實際可實現(xiàn)性與效率約束：在他看來，理論上的可計算并不等同于現(xiàn)實中的有效學習。智能系統(tǒng)無論是生物還是人工，都必須在極其有限的資源下運行，因此必然高度依賴結構、歸納偏置和與物理世界相匹配的表征方式。與其追求抽象意義上的「全能」，不如構建能夠高效理解和預測現(xiàn)實世界的世界模型。

因此，這場分歧并不簡單是「誰對誰錯」，而是兩種研究范式的差異：一方更關注通用架構在規(guī)?；蟮臐摿ι舷?，另一方更關注在現(xiàn)實環(huán)境中可擴展、可學習、可泛化的具體機制。

在 AGI 尚未真正實現(xiàn)之前，這兩條路徑很可能會長期并行、相互借鑒。爭論本身，或許正是推動這一領域前進的重要動力之一。

https://x.com/demishassabis/status/2003097405026193809

https://x.com/slow_developer/status/2003183759445885409?s=20