Meta AI负责人称世界模型是实现“人类级AI”的关键，预计需十年。

现今的人工智能领域充斥着关于通用人工智能是否能实现，以及它将如何实现的争论。一些人工智能研究者认为，通过 AI 技术来实现人类级别的智能指日可待，而 Meta 的首席人工智能科学家 Yann LeCun 则对此观点提出了质疑。他表示，我们离开发出真正的人工智能还很遥远，并强调现在的人工智能仅仅是“鹦鹉 AI”。

近年来，OpenAI 发布了一款具有里程碑意义的产品，名为 ChatGPT，它能够像“聊天机器人”一样与人进行互动。此外，在视觉领域，涌现出了能够在短时间内生成高质量视频的“文本生成图像”模型。

尽管如此，我们需要意识到目前我们距离真正实现 AGI（通用人工智能）还存在很大的差距。LeCun 指出，包括 xAI 公司的 Elon Musk 以及 DeepMind 公司的 Shane Legg 在内的许多人，都在鼓吹人工智能即将到来的观点。

LeCun 认为：“我们距离拥有能像人类一样学习、推理和计划的人工智能还有很长的路要走；通用人工智能既不是迫在眉睫，也不是不可避免的。”他补充说，当前人工智能发展所面临的挑战是，要让机器能够像人类一样理解世界。

那么，实现通用人工智能的关键是什么？行业专家指出：大型语言模型（LLM）并非通往通用人工智能的必经之路，而只是一种统计语言模型。这意味着，语言模型擅长根据上下文来预测序列中的下一个单词。然而，仅凭通过大量数据进行训练，并不能使语言模型真正理解世界。

毋庸置疑的是，当前的人工智能技术已经对信息领域产生了深远的影响。LeCun 认为，人工智能正处于类似于 20 世纪 60 年代的早期阶段。在那时，人们对人工智能的潜力抱有很高的期望，但实际进展却相对缓慢。他强调，我们不应该高估短期内人工智能的能力，而低估长期潜力。当前的人工智能仅仅能达到“初步智能”的水平。

为了实现真正的智能，LeCun 认为我们需要开发出能够像动物和人类一样学习常识的机器，这意味着 AI 系统需要能够通过与环境互动来获取知识，而不仅仅是被动地接受数据。他坚持认为：“通用人工智能是你拥有一个能学会理解真实世界运作方式的机器。” 你需要赋予它一定的自主性，让它能够探索世界，并从中学习世界的运作方式。

如果赋予它一定的自主性对你来说过于抽象，不妨思考一下现实世界中的智能机器。它们不仅可以理解已有的数据模式，还能应对各种未知的挑战。而那些拥有长期推理能力的系统，也同样可以适应不断变化的环境。

当前，人工智能算法的发展已经超越了通用人工智能的范畴。OpenAI 最近发布了 Sora，它能够根据文本提示生成逼真的视频片段，进一步拓展了人工智能的应用边界。

早在 2022 年，LeCun 就曾在一篇名为《具身 AI》的文章中阐述了人工智能发展的未来方向。他指出，通用人工智能必须具备理解真实世界的能力，并且他认为未来 60 年内不太可能实现。这意味着，通用人工智能不仅仅是一个技术问题，更是一个理解、建模和模拟复杂世界的挑战。 如果你想让通用人工智能具备人类水平的能力，就必须赋予它感知物理世界的能力（即让其通过视觉、听觉等感官来理解世界），这远比创建一个 “世界模型” 要复杂得多。

Meta 旗下的人工智能研究部门 FAIR（基础人工智能研究院）致力于推动具身智能 AI 和通用人工智能的发展，LeCun 在其中担任重要职务。FAIR 的主要目标是探索 Meta 公司未来人工智能技术的发展方向，并为像 LeCun 这样的研究人员提供一个挑战 LLM 局限性的平台。

尽管通用人工智能面临着诸多挑战，但 LeCun 坚信我们终将克服这些困难，实现真正的智能。他表示：“虽然我们目前尚未完全理解世界是如何运作的，但这并不意味着我们无法创造出能够理解世界的机器。” 他认为，借鉴动物的学习方式，未来的智能系统或许能够更好地认识世界，并解决各种复杂的问题。通过将具身智能与深度学习相结合，我们或许能够创造出真正具有常识和推理能力的 AI 系统。