# Yann LeCun筹资10亿美元：构建理解物理世界的AI

Meta前首席AI科学家Yann LeCun长期以来一直认为，人类水平的AI将来自掌握物理世界，而非语言。他的新初创公司AMI旨在证明这一点。LeCun成功筹集了10亿美元资金，用于开发能够理解物理世界的AI系统。

## LeCun的AI哲学

Yann LeCun是图灵奖获得者，被誉为深度学习之父之一。他长期以来对当前AI发展方向持批评态度，认为仅依靠语言模型无法实现真正的智能。在他看来，人类和动物的学习方式与当前的LLM有根本不同——我们通过观察和与物理世界互动来学习，而不仅仅是处理文本。

LeCun认为，真正的人工智能需要理解物理世界——重力、因果关系、物体恒常性、空间关系等。这些概念对于婴儿和动物来说是基本的，但对于当前的AI系统来说却是难以捉摸的。

## AMI的愿景

AMI的目标是开发能够学习物理世界内部模型的AI系统。这与当前主流的大语言模型方法形成鲜明对比。大语言模型通过预测下一个token来训练，而LeCun的方法涉及学习世界的预测模型。

这种方法被称为世界模型或联合嵌入预测架构（JEPA）。其核心思想是让AI系统学习能够预测世界行为的内部表示，而不是简单地记忆模式。这使得系统能够更好地泛化到新情况，并具有更高效的样本学习能力。

## 与当前AI的区别

当前的大语言模型存在一些根本限制：

1. 它们对物理世界没有真正的理解
2. 它们无法进行长期规划和推理
3. 它们需要大量数据进行训练
4. 它们容易产生幻觉和不一致性

LeCun认为，通过采用不同的架构——一个更接近生物大脑学习方式的架构——可以克服这些限制。这需要从文本转向多模态学习，特别是视觉和物理交互。

## 资金与支持

10亿美元的融资金额显示了投资者对LeCun愿景的信心。这位科学家在AI领域的声誉无与伦比，他是卷积神经网络（CNN）的先驱之一，这项技术已成为计算机视觉的基础。

LeCun的背景使他成为这一雄心勃勃项目的理想人选。他曾领导Meta的AI研究实验室FAIR，并在此之前领导纽约大学的计算机科学系。他对AI研究的贡献跨越数十年。

## 行业影响

AMI的出现代表了对当前AI发展方向的重要挑战。虽然OpenAI、Anthropic和Google等公司在LLM竞赛中激烈竞争，但LeCun走的是一条不同的道路。

如果成功，AMI的方法可能导致：
– 更高效、更可靠的AI系统
– 能够在物理世界中操作的机器人
– 更好的规划和推理能力
– 更接近人类智能的系统

然而，这是一条充满挑战的道路。训练世界模型需要不同的技术和大量计算资源。该方法的成功尚未得到大规模证明。

## 竞争格局

LeCun的新公司进入一个竞争激烈的领域。OpenAI、Anthropic、Google DeepMind、Mistral等公司都在追求AGI。但AMI的独特方法使其在某种程度上脱离了LLM军备竞赛。

LeCun曾公开表示，当前的LLM方法可能无法通向AGI。他认为 Scaling（增加模型大小和数据）本身是不够的——需要架构创新。

AMI的工作将如何与现有的AI生态系统整合还有待观察。该公司可能专注于机器人、自动驾驶、科学发现等需要物理世界理解的应用领域。

## 展望

无论AMI是否成功，LeCun的努力都代表了AI研究的重要方向。在LLM主导的时代，探索替代方法对领域的长期健康发展至关重要。

正如LeCun所说：我们不能只靠语言理解世界。真正的智能需要更深入地与我们生活的物理现实连接。