k8com凯发✿✿★，k8凯发一触即发✿✿★。凯发k8国际首页登录✿✿★！凯发【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凯发·K8国际-(中国)首页登录✿✿★，瞬间引爆了战火✿✿★，特斯拉✿✿★、Figure高管纷纷在线回怼✿✿★。

　　机器人在工厂里拧螺丝✿✿★、搬货等✿✿★，可通过特定任务训练实现黑木香✿✿★，但让它们在家中叠衣服✿✿★、倒水✿✿★、理解人的意图凯发·K8国际-(中国)首页登录✿✿★，还很难✿✿★。

　　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✿✿★。

　　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✿✿★。

　　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」✿✿★！

　　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黑木香✿✿★。

　　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✿✿★。

　　所以凯发·K8国际-(中国)首页登录✿✿★，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✿✿★。

　　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」凯发·K8国际-(中国)首页登录✿✿★，标志着产业界开始系统性地接受这一范式✿✿★。

　　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✿✿★。

　　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✿✿★。

　　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」训练中的信息黑木香✿✿★。

　　LeCun指出黑木香✿✿★，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✿✿★。

　　他强调✿✿★，即便猫的大脑仅含约2.8亿个神经元黑木香✿✿★，其对物理世界的理解与行动规划能力仍远超当前AI系统✿✿★。

　　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✿✿★。

　　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✿✿★。

　　同时✿✿★，系统可结合一个「代价函数」（cost function）凯发·K8国际-(中国)首页登录✿✿★，用于评估特定任务的完成情况✿✿★。

　　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」✿✿★。

　　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✿✿★。

　　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✿✿★。

　　主持人一听✿✿★，马上话锋一转打了个圆场✿✿★，「没关系✿✿★，我们不担心那些公司凯发·K8国际-(中国)首页登录✿✿★。而且说真的✿✿★，我们非常信奉创业精神」✿✿★。

　　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」✿✿★。

　　耐人寻味的是凯发·K8国际-(中国)首页登录✿✿★，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」✿✿★。

　　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✿✿★。

　　在最近的计算机视觉顶会ICCV黑木香✿✿★，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✿✿★。

　　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✿✿★。

　　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✿✿★。

　　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✿✿★。

　　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」✿✿★。

　　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✿✿★。

　　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✿✿★。

　　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——

　　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」✿✿★。

　　最后✿✿★，在2023年初✿✿★，小扎下定决心组建了一个GenAI团队黑木香✿✿★，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✿✿★。

　　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」黑木香✿✿★。