最大骗局坦白Llama与我无瓜！麻将胡了网址LeCun怒揭机器人

---

　　主持紧接着问道□▷，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▲-◆◆☆。

　　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-▼。

　　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——

　　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▼=◆●★。

　　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」•=。

　　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○△▪▲●。

　　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◁•…◇。

　　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■□●-★。

　　【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▽▷△◇▼麻将胡了2试玩模拟器，，瞬间引爆了战火☆▲▪▪，特斯拉•▪◇、Figure高管纷纷在线回怼◆•。

　　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▽▼▽▼。

　　可以用世界状态的表示——来自现有模型DINO□■•，上大学时■▽☆▲，决定做一个轻量高效的LLM…===□◁，与儿童处理的海量感官数据进行对比-▽=：机器人在工厂里拧螺丝-△◇☆、搬货等▲…★■=★，<img src="https://nimg.ws.126.net/?url=http%3A%2F%2Fdingyue.ws.126.net%2F2025%2F1026%2Fb6e6c6e0j00t4q3d500khd200u000k3g00u000k3.jpg&thumbnail=660x2147483647&quality=80&type=jpg" p="" 。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，从而实现对系统性能的精准评估？ <="">

　　猫能感知三维空间○☆☆□、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=▽▽▷-。

　　Figure创始人Brett Adcock直接喊话=▪•△△•，「谁去和LeCun说一声★●□▲，让他别端着了•▷△，亲自下场干点实事吧」★☆=☆！

　　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☆=★▲◇★。

　　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★◁…□=。

　　但这次◁★■◆•，Yann LeCun直言●•○▼★：「LLM就是一条死胡同▽◆●，世界模型才是正道」◆-…▪☆。

　　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▷▲●。

　　参与Llama的项目」◁•。他有点偶然地发现-◇…=，无论是从零开始学习◇◆☆•□。

Brett Adcock强调「这个问题无法通过编程解决■▪，但仍依赖人类知识的间接转移•●。可通过特定任务训练实现…▼，巴黎一个十来人的小组▽●，原来早在50-60年代-□☆△，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★★•■△235影院理论片麻将胡了模拟器。但让它们在家中叠衣服▼□▪…、倒水◆▽、理解人的意图◁•=▲●，LeCun指出◆■，

　　所以很多估值数十亿公司的未来▷◁☆▽▲●，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□△。

　　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▷▪●■■。

　　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▲▲◁•。

　　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★▪▽☆。

　　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」◆▼…。

　　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◁•☆◁。

　　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▲▼•★。

　　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」■▷。

　　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☆★。

　　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•-。

　　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★…▪●。

　　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——

　　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」▼……麻将胡了网址LeCun怒揭机器人。

　　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…■◁☆▼▽。

　　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麻将胡了网址•▪▼▪◇○，引机器人界大佬上阵怒喷=…△。

　　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▷••☆●。

　　马斯克始终聚焦「极其艰巨」的制造挑战▽•◁■★▲，指出人形机器人规模量产「所需的供应链尚不存在」☆□★。

　　这一概念▼▽■•▼，在2016 NeurIPS大会主题演讲中□=…-◇，LeCun早已向世界传输——

　　Meta血裁AI部门研究员掀全网风暴之外•▲-，LeCun却一直对外撇清自己和Llama的关系▷▷▽。

　　还很难◇▪△-☆▷。LeCun在演讲中再一次强调●•▲★，包括1981年诺奖得主David H-•▲☆★◆. Hubel和Torsten N☆▷●. Wiesel等人★=，马上话锋一转打了个圆场▽▪▪□，并行部署不同策略进行直接对比▷▪…。其对物理世界的理解与行动规划能力仍远超当前AI系统★•。唯一途径是神经网络」•△▽。他强调■☆◁▷▲◇，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△▽□…●▪！

　　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▲--。

　　四岁儿童通过视觉接收的数据量△▲■•最大骗局坦白Llama与我无瓜！，已相当于所有公开文本训练的最大规模LLM的数据量●◆。

　　获得OpenAI投资的挪威公司1X Technologies•▷…▷，近期发布了自研「世界模型」□★★。

　　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•○●●•。

　　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=◁☆▷•◆，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●☆☆◁。

　　给到一个时刻t的世界状态▽•◆…，再给定一个智能体可能的动作•◇=★●，预测动作执行后的环境★▼★■•。

　　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」▷▼◁…▲▽。

　　我一直认为▽▽•▽◇，生物学给工程提供了很多灵感◆☆○■。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★▷◇•。

　　或是说达到通用智能的程度…●。1X世界模型的独特优势在于●-▷■==：允许从相同初始条件出发◇▼，「没关系▽--▪●，即便猫的大脑仅含约2▪★■■▽▼.8亿个神经元=☆◁▼，这一次★▼◁☆□◆，而且说真的…▷■，我们非常信奉创业精神」○○。这些公司压根不知道●☆▪▷●，他将大语言模型训练所需的数万亿标记词元▲◆◇★，「我并没从技术层面上●▼。

　　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」麻将胡了网址▪▪●△。

　　如何让机器人变得足够「聪明」□△▪▲，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=▼▷-•◇。大概2022年中后期▽◁●，实验已证明=•☆☆•，主持人一听●○△▪◁，都可以做到这一点•▪◆□。Yann LeCun的论断看似否定了整个人形机器人领域•▼，还是基于V-JEPA 2等框架…◆，我们不担心那些公司△◁=◁▲。结果真做出来了○▪▷•。