【Meta_AI】2024关于人工智能世界新模型报告_97页_45mb

Yann LeCun在Ding-Shum讲座中强调了AI系统的一个核心方向：Objective-Driven AI，即以目标为导向的AI。他认为当前AI，如大型语言模型（LLMs），虽在生成文本和图像方面表现出色，但存在严重局限：无法理解世界、进行推理和规划，常常做出错误决策，并缺乏常识。例如，LLMs像 autocomplete一样生成流畅文本，但缺乏事实准确性、逻辑性和长期一致性。（约40字）

LeCun主张，未来的AI助手需要达到人类水平智能，能在日常交互中学习、记忆、推理和规划，类似于人或动物的行为。动物和人类具有的学习能力、世界理解、共同经验（common sense），而AI现在缺失这些，比如无法从感官输入中构建世界模型。（约80字）

关键挑战包括开发能够从感官数据中学习世界模型的系统，使用自监督学习（Self-Supervised Learning）来处理非结构化数据。LeCun批评了传统生成式模型，提出Joint-Embedding Predictive Architecture（JEPA）作为替代，该架构预测抽象表示而非细节，结合能量基础模型（EBM）来避免过度简化。（约120字）

他介绍了具体技术如VICReg、DINOv2和Video-JEPA，这些通过自监督方法训练模型，提高表征学习能力。Objective-Driven AI架构包含World Model、记忆模块和目标导向行为优化，使用模型预测控制（MPC）来确保安全和可控性，BlenderBot等模型作为潜在基础。（约150字）

LeCun展望了AI的未来发展，认为它将整合到所有数字互动中，推动人类智能放大，类似于印刷术革命。但强调AI不应过度封闭，需开源以避免垄断。同时，他对AI风险持乐观，认为AI不会主宰世界，因为它受人类设计目标限制，短期风险可通过技术应对，长期来看AI会增强人类能力而非替代。（约200字）

总体而言，LeCun呼吁解决数学基础、非确定性环境和成本模块等挑战，通过自监督学习和目标驱动架构，实现AI从当前水平向人类级发展，但这需要多年努力，并伴随法律和政策支持确保安全。（约100字）

总结共约490字。