九游会J9·(china)官方网站-真人游戏第一品牌

　　j9九游会 - 真人游戏第一品牌✿◈◈◈，J9九游国际站✿◈◈◈。J9九游会✿◈◈◈，【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✿◈◈◈。

　　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✿◈◈◈、理解人的意图横山知枝✿◈◈◈，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✿◈◈◈，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✿◈◈◈。

　　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✿◈◈◈，他有点偶然地发现横山知枝✿◈◈◈，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✿◈◈◈，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横山知枝✿◈◈◈，可能是让它自己学会变聪明✿◈◈◈。

　　人工智能领域在1990至2000年代经历「寒冬」✿◈◈◈，但2013年LeCun加入FacebookJ9九游国际站✿◈◈◈，创立FAIR（Facebook AI Research）✿◈◈◈，并推动「深度学习」这一术语取代「神经网络」J9九游国际站✿◈◈◈，标志着产业界开始系统性地接受这一范式横山知枝✿◈◈◈。

　　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✿◈◈◈，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J9九游国际站✿◈◈◈，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✿◈◈◈。

　　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✿◈◈◈、判断物体稳定性✿◈◈◈、规划复杂动作✿◈◈◈，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J9九游国际站✿◈◈◈，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✿◈◈◈。

　　同时横山知枝✿◈◈◈，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J9九游国际站✿◈◈◈，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」J9九游国际站✿◈◈◈。

　　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✿◈◈◈，马上话锋一转打了个圆场横山知枝J9九游国际站✿◈◈◈，「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J9九游国际站✿◈◈◈。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」✿◈◈◈。

　　这种务实立场✿◈◈◈，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」✿◈◈◈。