在人工智能领域的关键转折点，Meta Platforms的首席AI科学家、2018年图灵奖得主杨立昆(Yann LeCun)宣布将离开公司，专注于创立自己的初创企业。这一消息不仅震惊了科技界，更揭示了AI研究前沿与商业应用需求之间日益扩大的鸿沟。LeCun的创业方向——被称为"世界模型"的新型AI技术，代表着对当前主流AI架构的根本性挑战，可能预示着人工智能发展的全新路径。
从Meta到创业：AI巨擘的战略转向
据《金融时报》报道，这位法国裔美国科学家已告知同事他将在未来几个月内离职，并已开始为新创业项目进行早期融资洽谈。LeCun的离职恰逢CEO马克·扎克伯格对Meta AI业务进行彻底重组之际，这一重组源于扎克伯格认定公司在与OpenAI和谷歌等竞争对手的AI竞赛中已经落后。
LeCun于2013年创立了Meta的基础AI研究实验室(FAIR)，并一直担任公司的首席AI科学家。他是三位因深度学习和卷积神经网络的开创性工作而获得2018年图灵奖的研究人员之一。离开Meta后，LeCun将继续担任纽约大学教授，自2003年以来他一直在此任教。
Yann LeCun，Meta Platforms副总裁兼首席AI科学家，2023年9月摄。图片来源：Kevin Dietsch/Getty Images
世界模型：AI研究的下一个前沿
LeCun的新创业项目将专注于"世界模型"的开发，这是一种假设性的AI系统，一些AI工程师期望它能够通过学习视频和空间数据而非单纯文本，发展出对物理世界的内在"理解"。与当前仅预测序列中下一段数据的大型语言模型(如ChatGPT背后的技术)不同，理想的世界模型将能够模拟因果关系、理解物理规律，并使机器更像动物那样进行推理和规划。LeCun曾表示，这种架构可能需要十年时间才能完全开发。
世界模型的概念代表了AI研究的一个根本性转变。当前主流的大语言模型虽然能够处理和生成文本，但它们对世界的理解主要基于统计模式识别，而非对物理规律的真正把握。相比之下，世界模型试图构建一个能够"理解"世界如何运作的系统，这将使AI能够在没有明确指令的情况下做出更合理的决策和预测。
理念冲突：研究前沿与商业需求的碰撞
LeCun的离职反映了Meta内部日益增长的紧张关系，特别是在扎克伯格将公司AI战略从长期研究转向快速商业产品部署之后。这一转变在2024年4月Meta AI语言模型Llama 4的发布和基准测试争议中达到高潮，该模型在性能上被谷歌、OpenAI和Anthropic的最先进产品超越，被业内许多人视为失败之作。
与此同时，Meta AI聊天机器人未能获得消费者青睐，在与儿童互动方面也引发了争议和挫折。
LeCun此前曾表示，扎克伯格置于其战略核心的大型语言模型虽然有用，但永远无法像人类那样进行推理和规划，这与老板开发"超级智能"的宏大AI愿景日益矛盾。例如，在2024年5月，当一位OpenAI研究员讨论控制超智能AI的必要性时，LeCun在X上回应称，在紧急研究如何控制比人类聪明得多的AI系统之前，研究人员需要有一个比家猫更聪明的系统的初步设计思路。
马克·扎克伯格曾相信"元宇宙"是未来，并因此更名其公司。图片来源：Facebook
Meta的AI战略重组
在FAIR内部，LeCun一直专注于开发能够真正规划和推理的世界模型。然而，过去一年中，随着扎克伯格将公司AI战略从长期研究转向快速部署商业产品，Meta的AI研究团队经历了日益紧张的局势和大规模裁员。
今年夏天，扎克伯格雇佣了亚历山大·王(Alexandr Wang)领导Meta的一个新"超级智能"团队，支付143亿美元雇佣了数据标注初创公司Scale AI的28岁创始人，并收购了其公司49%的股份。LeCun此前向首席产品官克里斯·考克斯(Chris Cox)汇报，现在则向王汇报，这被视为对LeCunAI方法的严厉批评。
扎克伯格还亲自挑选了一个名为"TBD实验室"的专属团队，以加速下一代大型语言模型的开发，以惊人高的1亿至2.5亿美元薪酬包从OpenAI和谷歌等竞争对手吸引员工。因此，扎克伯格面临着来自华尔街越来越大的压力，要求他证明其成为AI领导者的数十亿美元投资将获得回报并增加收入。但如果结果像他之前转向元宇宙那样，扎克伯格的最新赌注可能同样昂贵且徒劳无功。
AI研究的分岔路口
LeCun的离职事件反映了AI研究正处于一个关键的分岔路口。一方面，以大型语言模型为代表的Transformer架构已经取得了显著成功，展示了在文本处理、生成和推理方面的强大能力。这些模型已经从简单的模式匹配发展到能够执行复杂的任务，如代码编写、翻译和创意写作。
另一方面，一些AI专家认为，基于Transformer的AI模型——如大型语言模型、视频合成模型和交互式世界合成模型——已经从训练数据示例中涌现出对物理建模或吸收物理世界结构规则的能力，但迄今为止的证据普遍指向复杂的模式匹配，而非对物理世界实际运作方式的基础理解。
世界模型的挑战与前景
开发世界模型面临着巨大的技术挑战。首先，如何让AI系统从视频和空间数据中学习物理规律仍然是一个开放性问题。其次，即使AI系统学会了物理规律，如何将其转化为有效的推理和规划能力也是一个难题。此外，世界模型需要处理的数据量和复杂性远超当前的大语言模型，这对计算资源和算法设计提出了更高要求。
然而，如果成功，世界模型可能带来革命性的变化。想象一个AI系统不仅能够理解语言，还能够理解物理世界如何运作——它能够预测物体如何移动，理解因果关系，甚至在没有明确指导的情况下学习新技能。这样的系统可能比当前的大语言模型更接近通用人工智能(AGI)的目标。
行业影响与未来展望
LeCun的创业不仅将影响Meta的AI战略，也可能对整个AI行业产生深远影响。作为深度学习领域的先驱，LeCun的观点和选择往往被视为行业风向标。他的世界模型研究可能吸引更多资源投入这一方向，加速相关技术的发展。
同时，这也可能加剧AI研究领域的分化：一方面是专注于商业应用的大语言模型开发，另一方面是追求更深层理解的AI系统研究。这种分化可能会反映在人才流动、资金分配和研究重点上。
人工智能研究的多元化路径，从传统机器学习到深度学习，再到新兴的世界模型概念
结语：AI发展的多元路径
LeCun离开Meta创业，专注于世界模型的开发，代表了AI研究中对更深层理解的追求。这一决定不仅反映了个人研究理念的坚持，也揭示了AI领域日益多元化的技术路线。在大型语言模型取得显著成功的今天，世界模型提醒我们，真正的智能可能需要超越文本统计模式，发展出对物理世界的内在理解。
无论最终成功与否，LeCun的尝试都将为AI研究提供宝贵的经验和启示。在通往通用人工智能的道路上，可能需要多种技术路线的并行探索，而非单一方法的独大。Meta的内部重组和LeCun的创业选择，共同构成了AI发展史上的一个重要章节，预示着人工智能领域可能迎来更加多元化和创新的新阶段。
