Yann LeCun眼中的通用智能：爬过第一座山，后面可能还有50座

在与Lex Fridman的对话中，Yann LeCun用“爬山”比喻通用人工智能的路径，冷静地指出：我们只看到了第一座山峰。真正的人类级智能，核心不在于更大的模型，而在于自监督学习、世界模型和目标函数的深层统一。

为什么人类级AI仍然“遥不可及”

这个对话一开始，Lex Fridman就抛出了一个直球问题：要构建像电影《Her》中那样具有人类水平智能的系统，究竟还差什么？Yann LeCun的回答并不浪漫，甚至有点“泼冷水”。他用一个极具画面感的比喻说，通往通用人工智能的道路就像一串山脉，“我们能清楚看到第一座山，但不知道后面还有没有50座等着你”。

这个比喻背后，其实是一段AI历史的反思。LeCun提到，早期人工智能研究者曾经非常乐观，比如Newell和Simon提出的“通用问题求解器”（General Problem Solver），名字听起来几乎已经解决了一切。但现实是，人们很快发现：现实世界中的问题远比形式化问题复杂得多。这种“只看见第一个山峰”的错觉，反复出现在AI发展史上。

LeCun并不否认进展，而是强调一种方法论上的谦逊：我们可以明确指出眼前最紧迫的障碍，但必须承认，越过之后会看到什么，目前谁也不知道。这种态度本身，就是他对“人类级智能”最重要的判断之一——它不会通过线性工程进步自然出现，而更像是一场长期、充满未知的探索。

第一座山：让机器像婴儿一样学习世界

在LeCun看来，第一座必须翻越的山，正是他本人长期研究的方向：自监督学习（Self-Supervised Learning）。核心问题只有一句话：我们如何让机器像婴儿和小动物一样，仅通过观察世界，就学会世界的基本规律？

他讲了一个非常具体、也非常生动的例子。通过发展心理学研究，人们可以量化婴儿在不同月龄学会的概念：两三个月时，婴儿开始区分“有生命”和“无生命”的物体；四个月左右，理解物体的稳定性；到八九个月，开始真正理解重力——这也是为什么很多八个月大的孩子会不停把玩具从高脚椅上推下去。LeCun笑着解释：“他们不是在捣乱，他们是在做实验。”

这个故事之所以重要，是因为它揭示了一个被长期忽视的事实：人类并不是靠大量标注数据学习世界的。婴儿几乎没有“标签”，却通过观察、预测和少量互动，逐步构建起对现实的理解。LeCun认为，如果AI无法掌握这种学习方式，那么谈论通用智能就为时尚早。

世界模型：智能系统真正的“内心独白”

当机器开始像婴儿一样学习后，下一步是什么？LeCun给出的答案是“世界模型”（World Model）。他认为，任何真正智能、能够自主行动的系统，都必须在内部运行一个关于世界的预测模型。

这个模型的作用，并不是给出唯一答案，而是预测多种可能性：如果现在是时间T，我采取某个行动，在T+1时刻世界可能会变成什么样。问题在于，现实世界是高维、连续且充满不确定性的，而“我们目前并不知道如何在这种空间中优雅地表示概率分布”。这是一个极其关键、但仍未解决的技术难题。

一旦拥有世界模型，系统就可以使用控制理论中的“模型预测控制”：在脑海中模拟一系列动作，预演后果，再选择最优路径。LeCun强调，这种能力不是锦上添花，而是智能的核心。如果一个系统只能对刺激做即时反应，而无法进行这种内部模拟，它就永远无法接近人类水平。

目标、策略与对齐：AI“变蠢”的三种方式

在对话的后半段，LeCun把智能系统拆解成四个模块：一个硬编码的“满足度计算器”，以及三个可学习模块——世界模型、目标预测器和策略模块。这里，他借鉴了人脑中基底神经节（Basal Ganglia）的作用：它负责计算“满足”或“不满足”，从而驱动行为。

他用一个极其清晰的框架解释了，智能体可能“变蠢”的三种方式。第一，世界模型是错的——你对世界的理解本身就有偏差。第二，目标函数不对齐——你在优化的目标，并不是你真正想要的结果，“在人类中，这种情况就是精神病态”。第三，模型和目标都正确，但你算不出最优行动路径。

这个分析直接触及当下最热门的AI对齐问题。LeCun并没有给出简单答案，但他明确指出：对齐不是一个独立附加的伦理模块，而是深深嵌入在目标函数与预测机制中的系统性问题。如果这一步走错，再强大的模型，也可能沿着错误的方向一路狂奔。

总结

这段对话的价值，不在于给出了通用人工智能的路线图，而在于它重新校准了我们的期待。LeCun提醒我们：真正的突破，可能不是更大的算力或更多的数据，而是让机器学会像婴儿一样理解世界，并在内部构建可预测、可反思的世界模型。第一座山已经足够陡峭，而承认后面可能还有50座，本身就是一种难得的清醒。

关键词： 通用人工智能， 自监督学习， 世界模型， AI对齐， Yann LeCun

事实核查备注： Yann LeCun；Lex Fridman；General Problem Solver；Self-Supervised Learning；World Model；Model Predictive Control；Basal Ganglia；婴儿月龄学习概念（2-3个月、4个月、8-9个月）；电影《Her》