图灵奖得主、Meta首席AI科学家杨立昆在科技播客节目中，探讨了当前生成式AI难以做出科学发现的原因、现有AI技术的局限性、大语言模型发展的瓶颈，以及他所认为的真正AI应具备的能力，还提及他正在研究的新系统和对AI发展的相关预测。
在3月23日的相关报道中，我们了解到图灵奖得主、Meta首席AI科学家杨立昆（Yann LeCun）参与了3月20日播出的“Big Technology Podcast”科技播客节目。在节目里，他就当下热门的话题，如当前生成式AI为何难以做出科学发现，以及未来AI将如何发展等展开了深入探讨。
杨立昆指出，像大语言模型这类现有的AI技术，从本质上来说，是基于文本进行训练，然后依据统计规律来生成答案的。这种方式使得它们无法“创造新的事物”，存在着明显的局限性。与之形成鲜明对比的是，人类具备运用常识和心理模型去思考并解决新问题的能力，而这恰恰是AI大模型所欠缺的。他进一步解释道：“它们只是在大量的文本数据上进行训练，用于检索和生成内容，缺乏对物理世界的理解和抽象推理能力。”
对于当前大语言模型的发展，杨立昆认为已经接近瓶颈。随着训练数据的不断增长，所带来的回报却在逐渐递减。进一步获取数据不仅成本高昂，而且很难达到预期的效果。他强调，仅仅依靠扩大大语言模型的规模以及训练更多的数据，是无法实现人类水平的AI的。因为大模型缺乏真正的推理能力和对物理世界的理解能力。
那么，什么才是“真正的AI”呢？杨立昆表示，“真正的AI”需要理解物理世界，拥有持久的记忆，并且能够支持推理和规划。
此前，杨立昆曾在今年2月做出预测，他认为AI技术到2030年前将迎来进一步的革命。然而，目前的AI系统仍然受到诸多限制，现有的技术还难以支撑家用机器人和自动驾驶汽车的广泛应用。
值得一提的是，杨立昆并没有止步于理论探讨，他正在研究一种新的系统。该系统旨在通过建立一个模型来预测物理世界的行为，从而帮助AI“理解”现实。他感慨道：“AI现在还不能与人类匹敌。如果我们能够开发出像猫或老鼠一样聪明的系统，那就算是一大进步。”
本文围绕图灵奖得主杨立昆对AI的观点展开。他指出当前生成式AI因基于文本训练、缺乏对物理世界理解和抽象推理能力，难以做出科学发现，大语言模型发展接近瓶颈。他认为真正的AI需理解物理世界、有持久记忆并支持推理规划，还提及他正在研究帮助AI“理解”现实的新系统以及对AI发展的预测，展现了对现有AI局限的认识和对未来AI发展方向的思考。
