📝 本期播客简介

本期节目邀请到Meta首席AI科学家、图灵奖得主Yann LeCun，由Alex Kantrowitz主持，深入探讨了当前AI发展的挑战与未来方向。LeCun以他犀利而坦率的风格指出，现有的大型语言模型(LLM)虽然在信息检索和复述方面表现优异，但缺乏真正的理解和创新能力。他认为，仅靠扩大LLM规模和增加数据量永远无法达到人类水平的智能，我们需要一个全新的AI架构范式。节目重点讨论了他的研究团队正在开发的JEPA技术框架，这是一种非生成式的联合嵌入预测架构，能够帮助AI系统在抽象层面上理解世界运作方式。此外，LeCun还分享了他对开源AI模型的看法，认为开源世界的创新速度正在超越专有模型。

👨‍🔬 本期嘉宾

Yann LeCun，Meta首席AI科学家，图灵奖得主，被誉为AI教父。他是深度学习领域的先驱，多年来致力于研发能够理解物理世界的AI系统。作为计算机视觉和机器学习领域的顶尖科学家，LeCun的研究对推动AI从基于文本的模型向能够理解和模拟物理世界的智能系统转变具有重要意义。

⏱️ 时间戳

00:00:00 节目介绍：跨国串门计划与本期内容概览

00:01:12 大型语言模型的局限：LeCun认为LLM缺乏理解和创新能力

00:02:03 嘉宾介绍：META首席AI科学家Yann LeCun

00:03:03 AI的本质与大语言模型的区别：LLM主要功能是复述和检索

00:04:56 科学发现与AI创新：为什么AI还没能做出科学发现

00:07:05 推理与思维链条：LLM的推理能力局限性分析

00:09:18 人类思维与AI思维的差异：人类在脑海中直接推理的能力

00:10:52 LLM遇到的收益递减问题：模型已训练了上万亿个token

00:12:10 系统一和系统二理论：意识思考与潜意识自动化的区别

00:14:06 AI投资与技术发展时间线：投资是否值得的思考

00:16:56 Meta的AI战略：预计到年底将拥有10亿Meta AI用户

00:18:32 AI系统部署的实际困难：从演示到实用的挑战

00:19:55 AI历史上的起伏：专家系统热潮的兴衰与教训

00:22:24 物理世界理解实验：纸张和立方体的思考实验

00:26:16 AI系统的物理学习能力：婴儿如何用有限数据学习物理规律

00:31:19 视频生成系统的局限：为什么生成模型不等于理解世界

00:32:35 自监督学习原理：破坏输入并训练重建它的过程

00:35:36 JEPA技术框架介绍：非生成式的联合嵌入预测架构

00:40:12 开源AI模型的优势：DeepSeek等开源模型的快速创新

00:43:21 节目结束与告别

🌟 精彩内容

大型语言模型的局限性: LeCun详细解释了LLM虽然在信息检索方面很强，但缺乏真正的理解能力和创新思维，无法像人类那样提出创新问题

JEPA技术框架: LeCun介绍了他团队正在开发的非生成式联合嵌入预测架构，能够帮助AI系统在抽象层面理解世界运作方式

AI对物理世界的理解: 通过纸张和立方体的实验，LeCun展示了当前AI系统对物理世界理解的局限

数据量与智能的关系: LeCun计算出4岁儿童接收的视觉数据量与最大LLM训练数据量相当，但儿童的物理理解能力远超AI

开源vs专有模型: LeCun认为开源世界的创新速度更快，全球各地的优秀科学家共同推动技术进步





🌐 播客信息补充

翻译克隆自：Why Can't AI Make Its Own Discoveries? — With Yann LeCun

本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的

使用 AI 进行翻译，因此可能会有一些地方不通顺

如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight 备注跨门串门儿计划 加听友群

BGM: 月代彩 - Chandrasekhar Limit  侵删