东方时讯网“我认为人工智能系统需要能够推理，”Meta的首席人工智能科学家YannLeCun说。当今流行的AI方法，如变形金刚，其中许多建立在他自己在该领域的开创性工作之上，但还不够。“你必须退后一步说，好吧，我们建造了这个梯子，但我们想去月球，这个梯子不可能把我们带到那里，”LeCun说。
YannLeCun是MetaProperties的首席AI科学家，也是Facebook、Instagram和WhatsApp的所有者，他可能会激怒他所在领域的很多人。
随着6月份在OpenReview服务器上发布的一篇思想文章，LeCun提供了他认为有望在机器中实现人类智能的方法的广泛概述。
如果没有在论文中明确表达，则暗示当今人工智能领域的大多数大型项目将永远无法达到人类水平的目标。
在本月通过Zoom与ZDNET进行的一次讨论中，LeCun明确表示，他对目前深度学习领域许多最成功的研究途径持极大的怀疑态度。
“我认为它们是必要的，但还不够，”这位图灵奖获得者告诉ZDNET他的同行们的追求。
其中包括大型语言模型，例如基于Transformer的GPT-3及其同类模型。正如LeCun所描述的那样，变形金刚的拥护者相信，“我们将一切都标记化，并训练巨大的做出离散预测的模型，人工智能将以某种方式从中出现。”
“他们没有错，”他说，“从某种意义上说，这可能是未来智能系统的一个组成部分，但我认为它缺少必要的部分。”
另外：Meta的AI杰出人物LeCun探索深度学习的能源前沿
这位学者完善了卷积神经网络的使用，这是一种在深度学习程序中非常高效的实用技术，他对似乎有效的方法提出了令人吃惊的批评。
LeCun看到了该学科许多其他非常成功的领域的缺陷和局限性。
他坚持认为，强化学习也永远不够。DeepMind的DavidSilver等研究人员开发了精通国际象棋、将棋和围棋的AlphaZero程序，他们专注于“非常基于行动”的程序，LeCun观察到，但“我们所做的大部分学习，我们并不通过实际采取行动来做到这一点，我们通过观察来做到这一点。”
从几十年的成就来看，62岁的LeCun表达了直面他认为许多人可能冲向的死胡同的紧迫感，并试图引导他的领域朝着他认为事情应该发展的方向发展。
“我们看到很多关于我们应该做些什么来推动人类水平的人工智能的说法，”他说。“我认为有些想法被误导了。”
“我们的智能机器还没有达到像猫一样具有常识的地步，”Lecun说。“那么，我们为什么不从那里开始呢?”
他已经放弃了之前对在预测视频中的下一帧等事情上使用生成网络的信念。“这是一个彻底的失败，”他说。
LeCun谴责那些他称之为“宗教概率论者”的人，他们“认为概率论是你可以用来解释机器学习的唯一框架”。
他说，纯粹的统计方法很难处理。“要求世界模型完全概率化太过分了;我们不知道该怎么做。”
LeCun认为，不仅学术界，工业AI都需要深入反思。他说，自动驾驶汽车人群、Wayve等初创公司“有点过于乐观”，他们认为他们可以“将数据投入”大型神经网络“并且你几乎可以学到任何东西”。
“你知道，我认为我们完全有可能在没有常识的情况下拥有5级自动驾驶汽车，”他说，指的是“ADAS”，自动驾驶的高级驾驶员辅助系统术语，“但你要必须从中设计出地狱。”