时长：
62分钟
播放：
689
发布：
2天前
主播...
简介...
📝 本期播客简介
本期我们克隆了：顶尖 AI 思想辩论 Do LLMs Understand? AI Pioneer Yann LeCun Spars with DeepMind’s Adam Brown.
当“深度学习三巨头”之一、Meta 首席科学家 Yann LeCun，遇上 DeepMind 的物理学家兼 AI 研究员 Adam Brown，会碰撞出怎样的火花？这不仅是一场技术讨论，更是一场关于“智能本质”的哲学思辨。
现在的 LLM（大语言模型）真的理解它在说什么吗？为什么一个四岁的孩子只需要几千小时的视觉信息就能理解物理世界，而 AI 读遍了整个互联网却依然不会洗碗？Yann LeCun 在节目中直言不讳地指出“当前的机器学习烂透了”，并预言 LLM 永远无法达到人类水平的智能；而 Adam Brown 则以数学奥赛的突破为例，坚信智能可以从规模中涌现。从“修马桶测试”到“递归自我改进”，从“喷气发动机的安全性”到“2036 年的意识觉醒”，这期节目将带你穿透 AI 的泡沫，直击技术最底层的逻辑与未来。
👨⚕️ 本期嘉宾
Yann LeCun：Meta 首席人工智能科学家，纽约大学教授，2018 年图灵奖得主，被誉为“卷积神经网络之父”。他是 AI 乐观主义者，但也是当前 LLM 路径的坚定批判者。
Adam Brown：Google DeepMind 研究科学家，理论物理学家。他致力于从物理学视角研究 AI 的涌现行为，对当前神经网络范式的潜力持积极态度。
⏱️ 时间戳
00:00 开场 & 播客简介
神经网络的前世今生
01:10 飞机与鸟：神经网络是对大脑的模仿还是启发？
03:02 深度学习简史：从 80 年代的冷宫到 2010 年的翻红
05:08 物理学家的视角：简单规则如何产生复杂的“涌现”行为
LLM 的能力边界之争
06:40 快问快答：AI 真的有“理解”和“意识”吗？
08:50 LLM 的本质：预测下一个词真的能产生智能吗？
11:11 数据密度对比：为什么四岁小孩比最强 LLM 更高效？
14:24 样本效率 vs 最终能力：AlphaZero 带来的启示
17:07 智能的证明：LLM 在国际数学奥林匹克竞赛中的表现
19:53 黑箱中的“理解”：我们能看透 AI 的神经元电路吗？
通往 AGI 的不同路径
23:16 “机器学习烂透了”：为什么 AI 至今不会修马桶？
28:45 乐观派 vs 怀疑派：我们正处于虚假的曙光中吗？
34:43 莫拉维克悖论：语言很简单，现实世界很复杂
35:46 JEPA 与世界模型：超越生成式 AI 的下一场革命
安全、控制与未来社会
41:05 智能 vs 自主：为什么聪明的 AI 不一定危险？
45:33 目标不一致风险：当 AI 学会欺骗与勒索
48:16 开源的必要性：防止数字世界被少数巨头垄断
49:49 喷气发动机类比：AI 安全本质上是一个工程问题
意识与道德的终极追问
51:40 哲学家提问：AI 产生意识还需要缺少什么？
54:13 意识的拆解：主观体验、道德价值与硅基生命
56:39 2036 年的愿景：一场由 AI 驱动的新文艺复兴
🌟 精彩内容
💡 语言不是智能的全部
Yann LeCun 提出了一个发人深省的观点：人类社会过于迷信语言。我们认为能言善辩的人聪明，所以觉得 LLM 聪明。但实际上，语言的信息量极低，真正的智能存在于对物理世界的感知和预测中。
“一个四岁孩子看到的视觉数据量，和最大的 LLM 用有史以来所有文本训练的数据量是相当的。但孩子学会了物理常识，AI 却没有。”
🛠️ 莫拉维克悖论与“修马桶”测试
为什么 AI 能通过律师考试却不会修马桶？Yann 认为 LLM 这种“离散 token 预测”的架构在处理连续、高维、充满噪音的现实世界时完全失效。他提出的 JEPA 架构试图让 AI 像人类一样学习“抽象表示”，而不是死磕像素。
“你永远不可能用大语言模型驱动的机器人来给你修马桶，它根本无法理解现实世界。”
🚀 涌现的魅力：从简单到复杂
Adam Brown 从物理学角度反驳，认为我们不应低估简单规则的力量。就像进化论的唯一目标是“繁衍”，却创造了生物多样性；LLM 的目标只是“预测下一个词”，却在过程中被迫学会了逻辑、数学和编程。
“为了最准确地预测下一个词，它意识到自己需要搞明白怎么做数学，并在内部建立了一个电路。”
🛡️ AI 安全是工程问题，而非科幻剧本
对于“机器人接管世界”的恐惧，Yann 表现得非常淡定。他认为智能不等于自主，我们可以像设计喷气发动机一样，为 AI 设定明确的目标函数和不可逾越的护栏。
“超级智能的出现不会是一个‘事件’，它是一点一点发生的。我们会像信任双引擎飞机飞越大洋一样信任 AI。”
🌈 2036：意识的拆解
当被问及 AI 何时会有意识时，Adam 给出了 2036 年这个具体的数字。他认为意识并非某种神秘的“灵魂”，而是信息处理到一定程度后的产物。未来我们可能会发现，意识可以被拆解成不同的能力维度。
“我们终于有了一个智能的模型生物，也许我们可以把它变成一个意识的模型生物，来回答困扰人类已久的问题。”
🌐 播客信息补充
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
本期我们克隆了：顶尖 AI 思想辩论 Do LLMs Understand? AI Pioneer Yann LeCun Spars with DeepMind’s Adam Brown.
当“深度学习三巨头”之一、Meta 首席科学家 Yann LeCun，遇上 DeepMind 的物理学家兼 AI 研究员 Adam Brown，会碰撞出怎样的火花？这不仅是一场技术讨论，更是一场关于“智能本质”的哲学思辨。
现在的 LLM（大语言模型）真的理解它在说什么吗？为什么一个四岁的孩子只需要几千小时的视觉信息就能理解物理世界，而 AI 读遍了整个互联网却依然不会洗碗？Yann LeCun 在节目中直言不讳地指出“当前的机器学习烂透了”，并预言 LLM 永远无法达到人类水平的智能；而 Adam Brown 则以数学奥赛的突破为例，坚信智能可以从规模中涌现。从“修马桶测试”到“递归自我改进”，从“喷气发动机的安全性”到“2036 年的意识觉醒”，这期节目将带你穿透 AI 的泡沫，直击技术最底层的逻辑与未来。
👨⚕️ 本期嘉宾
Yann LeCun：Meta 首席人工智能科学家，纽约大学教授，2018 年图灵奖得主，被誉为“卷积神经网络之父”。他是 AI 乐观主义者，但也是当前 LLM 路径的坚定批判者。
Adam Brown：Google DeepMind 研究科学家，理论物理学家。他致力于从物理学视角研究 AI 的涌现行为，对当前神经网络范式的潜力持积极态度。
⏱️ 时间戳
00:00 开场 & 播客简介
神经网络的前世今生
01:10 飞机与鸟：神经网络是对大脑的模仿还是启发？
03:02 深度学习简史：从 80 年代的冷宫到 2010 年的翻红
05:08 物理学家的视角：简单规则如何产生复杂的“涌现”行为
LLM 的能力边界之争
06:40 快问快答：AI 真的有“理解”和“意识”吗？
08:50 LLM 的本质：预测下一个词真的能产生智能吗？
11:11 数据密度对比：为什么四岁小孩比最强 LLM 更高效？
14:24 样本效率 vs 最终能力：AlphaZero 带来的启示
17:07 智能的证明：LLM 在国际数学奥林匹克竞赛中的表现
19:53 黑箱中的“理解”：我们能看透 AI 的神经元电路吗？
通往 AGI 的不同路径
23:16 “机器学习烂透了”：为什么 AI 至今不会修马桶？
28:45 乐观派 vs 怀疑派：我们正处于虚假的曙光中吗？
34:43 莫拉维克悖论：语言很简单，现实世界很复杂
35:46 JEPA 与世界模型：超越生成式 AI 的下一场革命
安全、控制与未来社会
41:05 智能 vs 自主：为什么聪明的 AI 不一定危险？
45:33 目标不一致风险：当 AI 学会欺骗与勒索
48:16 开源的必要性：防止数字世界被少数巨头垄断
49:49 喷气发动机类比：AI 安全本质上是一个工程问题
意识与道德的终极追问
51:40 哲学家提问：AI 产生意识还需要缺少什么？
54:13 意识的拆解：主观体验、道德价值与硅基生命
56:39 2036 年的愿景：一场由 AI 驱动的新文艺复兴
🌟 精彩内容
💡 语言不是智能的全部
Yann LeCun 提出了一个发人深省的观点：人类社会过于迷信语言。我们认为能言善辩的人聪明，所以觉得 LLM 聪明。但实际上，语言的信息量极低，真正的智能存在于对物理世界的感知和预测中。
“一个四岁孩子看到的视觉数据量，和最大的 LLM 用有史以来所有文本训练的数据量是相当的。但孩子学会了物理常识，AI 却没有。”
🛠️ 莫拉维克悖论与“修马桶”测试
为什么 AI 能通过律师考试却不会修马桶？Yann 认为 LLM 这种“离散 token 预测”的架构在处理连续、高维、充满噪音的现实世界时完全失效。他提出的 JEPA 架构试图让 AI 像人类一样学习“抽象表示”，而不是死磕像素。
“你永远不可能用大语言模型驱动的机器人来给你修马桶，它根本无法理解现实世界。”
🚀 涌现的魅力：从简单到复杂
Adam Brown 从物理学角度反驳，认为我们不应低估简单规则的力量。就像进化论的唯一目标是“繁衍”，却创造了生物多样性；LLM 的目标只是“预测下一个词”，却在过程中被迫学会了逻辑、数学和编程。
“为了最准确地预测下一个词，它意识到自己需要搞明白怎么做数学，并在内部建立了一个电路。”
🛡️ AI 安全是工程问题，而非科幻剧本
对于“机器人接管世界”的恐惧，Yann 表现得非常淡定。他认为智能不等于自主，我们可以像设计喷气发动机一样，为 AI 设定明确的目标函数和不可逾越的护栏。
“超级智能的出现不会是一个‘事件’，它是一点一点发生的。我们会像信任双引擎飞机飞越大洋一样信任 AI。”
🌈 2036：意识的拆解
当被问及 AI 何时会有意识时，Adam 给出了 2036 年这个具体的数字。他认为意识并非某种神秘的“灵魂”，而是信息处理到一定程度后的产物。未来我们可能会发现，意识可以被拆解成不同的能力维度。
“我们终于有了一个智能的模型生物，也许我们可以把它变成一个意识的模型生物，来回答困扰人类已久的问题。”
🌐 播客信息补充
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
评价...
空空如也
小宇宙热门评论...
暂无小宇宙热门评论
