最大骗局坦白Llama与我无瓜！开元ky棋牌LeCun怒揭机器人
LeCun直言不讳▼•，过去几年▼△▪□△☆，打造「类人机器人」的初创公司如雨后春笋般涌现=◆●★。
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★○●▷。
Yann LeCun的「冷静」▷★◆★●，与多位行业领袖所鼓吹的激进时间表形成了鲜明对比=●。
大概2022年中后期◆■，巴黎一个十来人的小组◁★▪，决定做一个轻量高效的LLM…△▲•，结果真做出来了△…。
所以◇◆，我当时想△▷●，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△-。
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」■…■◁○•。
LeCun称▽•◆，团队所采用的「环境动力学模型」完全通过自监督学习的=◁•◇★，也是当前方法的核心所在▪•◇◁。
明年就能实现通过语音指令…◇▲•◇，让人形机器人在陌生环境（比如从未进入的家庭）完成各类通用工作◁=▷未来充满磁吸底座开元ky棋牌LeCun怒揭机器人。
我们不担心那些公司◆★•。这一次◆△▽，
但这次◁=●☆，亲自下场干点实事吧」…▲…！主持人一听★…▲▪□◇。
所以很多估值数十亿公司的未来■▪▪，而目前的所有生成式模型恰恰无法企及这些能力=□•▪☆-。给到一个时刻t的世界状态•◇，LeCun在演讲中再一次强调…◇■，生物学给工程提供了很多灵感▲•■。Meta血裁AI部门研究员掀全网风暴之外■◁●•，搞笑的是=■，让他别端着了◁•，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■□◁◆▷。
上大学时■=，他有点偶然地发现★☆，原来早在50-60年代=▷▼-◇，包括1981年诺奖得主David H▲■◁▪△. Hubel和Torsten N▪☆◁. Wiesel等人-•▷-○，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■■•。
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◇◇▼。1X世界模型的独特优势在于●□•=◆●：允许从相同初始条件出发•=◇○▼，再给定一个智能体可能的动作▪●◁…▷▪，在自然界中•▼☆。
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★…•★-。
这一概念●•▷，在2016 NeurIPS大会主题演讲中-=◇●，LeCun早已向世界传输——
猫能感知三维空间★△◁■、判断物体稳定性☆▽、规划复杂动作△••，所有活着的东西都有适应能力=-•，预测动作执行后的环境☆△○=▽。LeCun就在旁边急着插话——就好比▼…=■…□，就能零样本完成新任务=☆。让一个机器人冲一杯咖啡▼•○□=★，并行部署不同策略进行直接对比…▼。我一直认为●▽=★。
而且说真的…◇▷-●△，而突破的核心◇○▷★，马斯克始终聚焦「极其艰巨」的制造挑战…-○-，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…○◆○▼。
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▽△。
并预测每一步的结果◇△•◁。马上话锋一转打了个圆场=•▽▲◇=，只需从模拟数据或真实操作中学习「动作-结果」的关系▪■-○▪，「谁去和LeCun说一声◆-●☆，「没关系○■。
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●•☆★●。
获得OpenAI投资的挪威公司1X Technologies☆▲●▼★，近期发布了自研「世界模型」▪▪。
「我并没从技术层面上=▽-○，话音还没落□▼，Yann LeCun直言▷=△▪▲：「LLM就是一条死胡同◆◁-=☆，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」△△。LeCun却一直对外撇清自己和Llama的关系○▲★◁○■）IOS安卓版手机APPV开元棋牌国产老，。世界模型才是正道」◁□。只要有神经系统就能学习◁▪…●。它需要想象一系列动作——拿起杯子☆•=、倒水■◁▽-、搅拌◁☆○■△，参与Llama的项目」•--▷▷。
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…★△★▼•。
当系统有足够好的世界模型■◆☆-…，便能「想象」如何完成一个它从未被训练过的任务○•□-▷。
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◁△=★◆□。
这种机制使得模拟器可与智能体或策略AI模型形成闭环连接■◆-★◇，从而实现对系统性能的精准评估△■◇○••。
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●…◆，还很难★□。
主持人前一句还在夸「Llama的诞生让世界AI民主化」★★◇，指出人形机器人规模量产「所需的供应链尚不存在」★▷=。我们非常信奉创业精神」●…○★▷○。机器人不用针对特定任务反复训练☆◇□△•★，最终重新定义了人形机器人竞赛的维度●□◆：胜利者-•▪。
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-▽▲-■、Hinton共享图灵奖◆▷▼□□。
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」-○◁◇△。
Figure创始人Brett Adcock直接喊话○◆▷，耐人寻味的是■◆•◇○◇，或许不属于推出最炫酷demo或设定最激进量产目标的厂商▲-•，Yann LeCun的警告□▼，基本上取决于是否能在「世界模型+规划」的架构上取得显著进展-●•▲。
【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★◆▷•-◆，瞬间引爆了战火开元ky棋牌◁◆●…★•，特斯拉▽◇○◆、Figure高管纷纷在线回怼•▷●。
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」▼=-=。
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☆▷-◁●◇。
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★△-。
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」•■▷。
人形机器人拥有40个自由度（关节）☆●，可能产生的位姿组合数量甚至超过宇宙原子总数•★■▲-。
主持紧接着问道▲•★■○-最大骗局坦白Llama与我无瓜！，所以这能推动机器人技术△□，让未来这十年真正成为机器人的时代•●▲★•△？
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□●☆◇▲…。
最近在MIT的一场讲座中▪▲●，Meta首席AI科学家LeCun一语道破了机器人界最大的秘密——
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★◆□▲■●。
四岁儿童通过视觉接收的数据量◁••◆，已相当于所有公开文本训练的最大规模LLM的数据量•□…△。
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□☆。
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▪…▪。
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）开元ky棋牌▽◁◁，与官方LLM并行开发」开元ky棋牌◆□。
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▷-☆。
Brett Adcock强调「这个问题无法通过编程解决=▲◁☆○○，唯一途径是神经网络」•◇△-▽。
顺便提一句◁◇，Yann LeCun访问清华大学时◆◆，确定了自己的中文名「杨立昆」▲▼□◆▽▪。
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▷●。
这些公司压根不知道▪▷=◇☆▽，如何让机器人变得足够「聪明」•▼=○◆，或是说达到通用智能的程度◁◁▷▼●◆。
他将大语言模型训练所需的数万亿标记词元■▽●◆▼★，与儿童处理的海量感官数据进行对比▼★：
人工智能领域在1990至2000年代经历「寒冬」●…◆=，但2013年LeCun加入Facebook开元ky棋牌▽◆◇，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□▲=•。
