【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★✿★，瞬间引爆了战火★✿★，特斯拉★✿★、Figure高管纷纷在线回怼夜间做运动视频声音★✿★。

　　机器人在工厂里拧螺丝★✿★、搬货等★✿★，可通过特定任务训练实现★✿★，但让它们在家中叠衣服★✿★、倒水★✿★、理解人的意图★✿★，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」架构欢迎你来到公海欢迎你来到赌船★✿★，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夜间做运动视频声音★✿★。

　　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★✿★。

　　我一直认为★✿★，生物学给工程提供了很多灵感★✿★。在自然界中欢迎你来到公海欢迎你来到赌船★✿★，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★✿★，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夜间做运动视频声音★✿★。

　　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★✿★。

　　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★✿★。

　　他指出欢迎你来到公海欢迎你来到赌船★✿★，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」训练中的信息夜间做运动视频声音★✿★。

　　LeCun指出★✿★，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★✿★，其对物理世界的理解与行动规划能力仍远超当前AI系统★✿★。

　　猫能感知三维空间欢迎你来到公海欢迎你来到赌船★✿★、判断物体稳定性★✿★、规划复杂动作夜间做运动视频声音★✿★，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）★✿★，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★✿★。

　　主持人一听夜间做运动视频声音★✿★，马上话锋一转打了个圆场★✿★，「没关系★✿★，我们不担心那些公司★✿★。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★✿★，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★✿★，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」欢迎你来到公海欢迎你来到赌船★✿★。

　　这种务实立场欢迎你来到公海欢迎你来到赌船★✿★，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★✿★，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」★✿★。欢迎来到公海欢迎来到赌船★✿★，公海船★✿★，欢迎公海来到赌船710★✿★，欢迎公海来到赌船★✿★，公海赌网址官网★✿★，欢迎来到公海来到赌船★✿★，欢迎来到公赌船★✿★，欢迎来到公赌船jcjc710线路★✿★。