图灵奖得主杨立昆向GPT宣判死刑：自回归大模型是AI史上的最大骗局？

　　一场数学会议引发的AI核爆

　　2025年3月21日，美国联合数学会议的讲台上，Meta首席AI科学家杨立昆（Yann LeCun）掏出一份长达万字的“死刑判决书”——对象是硅谷狂欢三年的自回归大语言模型（LLM）。

　　“机器学习现在烂透了！”这位深度学习三巨头之一的图灵奖得主，用一句暴论撕开了GPT帝国的遮羞布：“当前AI连猫的物理直觉都没有，你们却妄想用它造出人类级智能？”

　　这场演讲像一颗深水炸弹，炸醒了沉迷于“AI取代人类”叙事的科技圈。当黄仁勋还在GTC大会上高呼“Token构成世界”时，杨立昆直接掀桌：“自回归模型注定淘汰！用预测下一个词的方法造AGI，就像用算盘登陆火星！”

　　第一部分：GPT的“皇帝新衣”——自回归模型的三宗罪
1. 指数级幻觉：一场文字瘟疫的诞生

　　“GPT不是智能体，而是高级复读机。”杨立昆的比喻辛辣刺骨。自回归模型的核心逻辑，不过是根据前文预测下一个词（Token）。这种机制存在致命缺陷：每个预测的微小误差，都会随着文本生成呈指数级爆炸。

　　“假设每个Token预测错误率仅0.1%，生成100个Token后，正确率就暴跌到37%——这就是为什么ChatGPT总在胡说八道！”更讽刺的是，AI根本无法意识到自己犯错。当它把“珠穆朗玛峰海拔8848米”错写成“884米”时，系统只会若无其事地继续编造。

　　2. 算力黑洞：用核弹打蚊子的荒诞剧

　　杨立昆抛出一组对比：回答“2+2=4”和证明“P=NP”消耗的算力完全相同。“这就像用核弹打蚊子，却用苍蝇拍对付航母！”自回归模型对所有问题“一视同仁”的暴力计算，暴露了其本质——它根本没有理解能力，只是概率游戏的傀儡。

　　更荒诞的是数据效率：GPT-4吃掉30万亿Token（相当于人类阅读50万年），却不如4岁孩童通过1.6万小时视觉观察掌握的物理常识多。当婴儿早已理解“物体不可穿透”时，AI生成的视频还在让杯子穿透桌面——这种差距不是数据量能弥补的。

　　3. 莫拉维克悖论：人类最易的，恰是AI最难的

　　“下围棋、写十四行诗被吹成‘智能突破’，但让AI收拾餐桌、开矿泉水瓶却成了世纪难题！”杨立昆搬出“莫拉维克悖论”直击本质：人类千万年进化出的物理直觉（如抓握、避障），对AI而言反而是地狱级挑战。

　　他举了一个让全场沉默的例子：10岁孩童能第一次就正确收拾餐桌，17岁少年20小时学会开车，但耗费万亿Token训练的AI，至今造不出能完成这些“简单”任务的机器人。这背后的真相是：语言只是世界的抽象符号，而AI缺乏具身认知——没有视觉、触觉、运动反馈的“纸上谈兵”，永远触及不到真实世界的暗知识。

　　第二部分：颠覆GPT！杨立昆的“反叛路线图”
1. JEPA架构：放弃生成，学会“抽象”

　　“视频预测？现有技术全是皇帝的新衣！”杨立昆痛批当前视频生成模型的本质缺陷：它们渲染逼真画面，却对物理规律一无所知。

　　他提出的JEPA（联合嵌入预测架构）彻底颠覆传统：不再预测每个像素，而是将当前状态与未来状态映射到抽象表示空间。例如，Meta实验显示，当视频中出现“物体凭空消失”时，JEPA模型的预测误差会飙升——这意味着它隐式掌握了物理常识。“AI必须学会抓大放小，像人类一样忽略无关细节！”

　　2. 能量基模型（EBM）：给AI装上“系统二”

　　借用心理学中的双系统理论，杨立昆指出：当前AI只有快速直觉（系统一），缺乏深思熟虑（系统二）。他力推的EBM模型通过“能量函数”评估假设合理性，动态分配计算资源：简单问题快速解决，复杂任务深度思考。

　　“EBM能让AI像人类一样规划：从‘去巴黎’拆解到‘订机票-叫出租车-打包行李’，每一步都通过能量最小化寻找最优路径”。这种机制还能从底层杜绝“越狱”——通过预设安全约束（如机器人不得伤害人类），让AI无法生成危险方案。

　　3. 世界模型：婴儿才是AI的终极导师

　　“AGI必须像婴儿一样学习！”杨立昆的终极愿景是构建世界模型（World Model）——通过多模态感知（视觉、听觉、触觉）而非纯文本训练，让AI自主发现物理规律。他给出震撼对比：婴儿4年处理100TB视觉数据，与GPT-4的文本训练量级相当，但前者掌握了后者永远学不会的因果推理。

　　Meta最新进展显示，采用JEPA+EBM架构的机器人已能通过观察人类动作，理解“推门需要持续施力”而非“单次碰撞”。这种“直觉物理学”的突破，或许才是通向人类级智能的钥匙。

　　第三部分：AGI生死战——认知主义VS实用主义的终极对决

　　杨立昆的炮火不仅瞄准技术，更轰向AI哲学的核心分歧：

　　认知主义阵营

　　 （杨立昆）：AGI必须拥有内在世界模型、因果推理和自主意识，“像婴儿一样觉醒灵魂”

　　实用主义阵营

　　 （OpenAI等）：AGI只需在人类设定边界内高效完成任务，“不理解意义又何妨？”

　　这场对决在现实中已白热化：当ChatGPT接管客服、GPT-4V分析医疗影像时，实用主义者宣布“AGI已悄然降临”；但杨立昆冷笑反驳：“这些拼装式工具连猫的智商都没有！真正的智能必须理解‘为什么杯子会碎’，而不是背诵维基百科”。

　　更激烈的冲突发生在技术路线：

　　硅谷巨头

　　 ：继续堆数据、造更大LLM，用多模态缝合物理理解

　　杨立昆派

　　 ：推翻自回归范式，从零构建具身智能架构

　　“用预测Token的方法造AGI，就像用马鞭驾驶特斯拉！”他在GTC大会上的这句嘲讽，直接打脸黄仁勋的“Token宇宙论”。而面对英伟达力推的光学计算和量子计算，杨立昆更泼出冷水：“光学计算令人失望，量子计算纯属幻想！”

　　开源or封闭？AI文明的十字路口

　　在这场颠覆性革命的最后，杨立昆发出警告：任何国家或公司都无法垄断AGI！“若欧洲因保护主义禁止开源，将重蹈日本第五代计算机的覆辙！”他以LLaMA开源生态为例：非洲开发者用本地语言微调模型，成本仅巨头训练的1%——这或许暗示着，AI的未来不属于集中化的“神谕模型”，而是分布式进化的群体智能。

　　但现实充满反讽：当杨立昆在学术殿堂批判LLM时，Meta的广告系统仍在疯狂吸金；当他呼吁开源时，科技巨头正用专利墙圈地跑马。这场理想主义与商业现实的缠斗，恰似他演讲中的隐喻：“我们以为在攀登AGI高峰，其实还在山脚下和猫咪搏斗”。

　　
GPT帝国的裂缝已然显现，但颠覆者能否成功？答案或许藏在杨立昆的另类比喻里：“AI需要像猫一样思考——不是为了证明自己聪明，而是为了生存。”当硅谷还在制造“词语魔术师”时，真正的革命者已转身凝视窗台——那里有一只猫，正用物理直觉优雅跃起。