世界百大名校★✿✿★，凯时尊龙最新网站★✿✿★，学生生活★✿✿★，【新智元导读】一场公开演讲★✿✿★，LeCun毫不留情揭穿真相★✿✿★：所谓的机器人行业★✿✿★，离真正的智能还远着呢★✿✿★！这番话像一枚深水炸弹★✿✿★，瞬间引爆了战火★✿✿★，特斯拉★✿✿★、Figure高管纷纷在线回怼★✿✿★。
机器人在工厂里拧螺丝★✿✿★、搬货等★✿✿★，可通过特定任务训练实现★✿✿★，但让它们在家中叠衣服★✿✿★、倒水★✿✿★、理解人的意图金博网凯时尊龙人生★✿✿★，还很难★✿✿★。
而突破的核心★✿✿★，在于打造一款真正可以规划的「世界模型」架构★✿✿★，即能够学习理解和预测物理世界系统★✿✿★。
谁曾想★✿✿★，LeCun这番话再次捅了「马蜂窝」★✿✿★，直接给这场狂热泼了一盆冷水★✿✿★，引机器人界大佬上阵怒喷★✿✿★。
Figure创始人Brett Adcock直接喊话★✿✿★，「谁去和LeCun说一声凯时尊龙人生★✿✿★，让他别端着了★✿✿★，亲自下场干点实事吧」★✿✿★！
上大学时★✿✿★，他有点偶然地发现★✿✿★，原来早在50-60年代金博网★✿✿★，包括1981年诺奖得主David H. Hubel和Torsten N. Wiesel等人凯时尊龙人生★✿✿★，就已经开始思考「自组织」的问题——也就是系统如何自我组织学习★✿✿★。
我一直认为凯时尊龙人生★✿✿★，生物学给工程提供了很多灵感金博网★✿✿★。在自然界中★✿✿★，所有活着的东西都有适应能力★✿✿★，只要有神经系统就能学习★✿✿★。
所以★✿✿★，我当时想金博网★✿✿★，也许我们人类没那么聪明★✿✿★，构建智能系统最靠谱的方法★✿✿★，可能是让它自己学会变聪明★✿✿★。
人工智能领域在1990至2000年代经历「寒冬」★✿✿★，但2013年LeCun加入Facebook★✿✿★，创立FAIR（Facebook AI Research）★✿✿★，并推动「深度学习」这一术语取代「神经网络」★✿✿★，标志着产业界开始系统性地接受这一范式★✿✿★。
2018年★✿✿★，因在概念与工程领域的突破性贡献★✿✿★，他让深度神经网络成为计算技术的关键组成部分★✿✿★，和Bengio凯时尊龙人生★✿✿★、Hinton共享图灵奖★✿✿★。
他指出★✿✿★，文本属于「低带宽」数据源★✿✿★，「仅靠文本训练永远无法实现人类水平智能」★✿✿★。真正的智能来源于高带宽的感知输入——视觉★✿✿★、听觉★✿✿★、触觉等多模态经验★✿✿★，而非低维度的离散符号★✿✿★。
他进一步指出★✿✿★，LLM有时虽能提供实用的结果★✿✿★，甚至让人误以为其「智商堪比博士」★✿✿★，但这些系统只是「回忆」训练中的信息★✿✿★。
LeCun指出★✿✿★，大语言模型（LLM）存在本质瓶颈——虽然形式上通过「学习」取代了显式编码★✿✿★，但仍依赖人类知识的间接转移金博网★✿✿★。
他强调★✿✿★，即便猫的大脑仅含约2.8亿个神经元★✿✿★，其对物理世界的理解与行动规划能力仍远超当前AI系统★✿✿★。
猫能感知三维空间金博网★✿✿★、判断物体稳定性★✿✿★、规划复杂动作★✿✿★，而目前的所有生成式模型恰恰无法企及这些能力★✿✿★。
就好比★✿✿★，让一个机器人冲一杯咖啡★✿✿★，它需要想象一系列动作——拿起杯子★✿✿★、倒水★✿✿★、搅拌★✿✿★，并预测每一步的结果★✿✿★。
同时★✿✿★，系统可结合一个「代价函数」（cost function）★✿✿★，用于评估特定任务的完成情况★✿✿★。
在此基础上★✿✿★，可运用优化方法★✿✿★，搜索能够优化任务目标的最优动作序列★✿✿★，这一过程即为「规划与最优控制」★✿✿★。
实验已证明★✿✿★，可以用世界状态的表示——来自现有模型DINO★✿✿★，无论是从零开始学习★✿✿★，还是基于V-JEPA 2等框架★✿✿★，都可以做到这一点★✿✿★。
机器人不用针对特定任务反复训练★✿✿★，只需从模拟数据或真实操作中学习「动作-结果」的关系★✿✿★，就能零样本完成新任务★✿✿★。
主持人一听★✿✿★，马上话锋一转打了个圆场★✿✿★，「没关系★✿✿★，我们不担心那些公司★✿✿★。而且说真的★✿✿★，我们非常信奉创业精神」★✿✿★。
他将Figure的技术路径与同行对比★✿✿★，直言某些公开演示只是「戏剧表演」或预设程序★✿✿★。相反★✿✿★，Figure机器人的所有操作都「由神经网络驱动」★✿✿★。
耐人寻味的是★✿✿★，在一个关键问题上的判断与Yann LeCun不谋而合★✿✿★：他也否认制造业是主要突破方向★✿✿★，并指出「人形机器人当前的竞争焦点在于谁能攻克通用机器人技术」凯时尊龙人生凯时尊龙人生★✿✿★。
据报道★✿✿★，特斯拉正在建设年产百万台Optimus机器人的生产线年初推出具备「量产意向」的V3原型机★✿✿★。
在最近的计算机视觉顶会ICCV★✿✿★，特斯拉AI负责人Ashok Elluswamy详细介绍了公司的「神经世界模拟器」——一个通过车队视频数据训练的端到端系统★✿✿★。
不同于传统模型根据状态预测动作★✿✿★，神经世界模拟器能够基于当前状态与后续动作★✿✿★，直接合成未来状态★✿✿★。
Elluswamy确认★✿✿★，这套被视作世界模型问题直接解决方案的架构★✿✿★，将「无缝迁移」至Optimus机器人★✿✿★。
Yann LeCun的论断看似否定了整个人形机器人领域★✿✿★，但已有企业公开将其研发方向与他倡导的「世界模型」概念对齐★✿✿★。
如图所示★✿✿★，1X世界模型包含视觉编码器★✿✿★、动作编码器★✿✿★、核心网络★✿✿★，以及视频与状态价值解码器★✿✿★。通过对成功标签进行监督学习生成的状态价值预测★✿✿★，可对输入动作的质量进行量化评估★✿✿★。
首席执行官Bernt Børnich在播客中坦言★✿✿★，让机器人进入家庭存在「理想与现实的落差」★✿✿★，指出「现实环境复杂得离谱」★✿✿★，甚至「Wi-Fi连接问题比机器人技术本身更棘手」★✿✿★。
这种务实立场★✿✿★，结合其轻量级肌腱驱动设计所带来的安全性优势★✿✿★，暗示着行业清醒认识到★✿✿★：Yann LeCun所说的「突破性进展」仍需要持续探索★✿✿★。
Yann LeCun的警告★✿✿★，最终重新定义了人形机器人竞赛的维度★✿✿★：胜利者★✿✿★，或许不属于推出最炫酷demo或设定最激进量产目标的厂商凯时尊龙人生★✿✿★，而将属于那个率先攻克机器理解物理世界这一根本性难题的探索者★✿✿★。
搞笑的是★✿✿★，主持人前一句还在夸「Llama的诞生让世界AI民主化」★✿✿★，话音还没落★✿✿★，LeCun就在旁边急着插话——
接着★✿✿★，他分享了幕后故事★✿✿★，「第一代Llama★✿✿★，其实有一点像『海盗』项目（pirate project）★✿✿★，与官方LLM并行开发」★✿✿★。
最后★✿✿★，在2023年初★✿✿★，小扎下定决心组建了一个GenAI团队★✿✿★，也就如今的「超级智能实验室」（MSL）的前身★✿✿★，主要就是为了把它产品化★✿✿★。
现场★✿✿★，主持人再次圆话★✿✿★，「但最后能跑出来的★✿✿★，往往还是『臭鼬工厂』（Skunk Works）这种模式」★✿✿★。