器人最大骗局坦白Llama与我无瓜！pg电子模拟器试玩LeCun怒揭机

　　所以很多估值数十亿公司的未来▽◆○□…，基本上取决于是否能在「世界模型+规划」的架构上取得显著进展•◇=▼。

　　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」=★▲▽○-。

　　四岁儿童通过视觉接收的数据量•◆★，已相当于所有公开文本训练的最大规模LLM的数据量◁◁●。

　　LeCun称▷★◆，团队所采用的「环境动力学模型」完全通过自监督学习的◁--▼◆•，也是当前方法的核心所在◁●◆□△。

　　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•…◁。

　　他将大语言模型训练所需的数万亿标记词元▷•◁-◁•，与儿童处理的海量感官数据进行对比•-：

　　将「无缝迁移」至Optimus机器人▼◇▷0秒18免人V午液影，。机器人在工厂里拧螺丝□▷、搬货等…◇▽☆▲，并行部署不同策略进行直接对比▲▪=。还很难★▪。Elluswamy确认▪☆■。

　　这一概念▷★，在2016 NeurIPS大会主题演讲中▽◆，LeCun早已向世界传输——

　　这一次pg电子模拟器在线试玩●▷，LeCun在演讲中再一次强调▽▷△▼…，「我并没从技术层面上★▲，参与Llama的项目」•▼-○。

　　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◇-▽•△。

　　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▼■◇◁★•。

　　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○-。

　　大概2022年中后期○☆●，巴黎一个十来人的小组▲□•，决定做一个轻量高效的LLM-◆▼◁▼◇，结果真做出来了…▷•。

　　LeCun直言不讳•★-，过去几年○▲●★△，打造「类人机器人」的初创公司如雨后春笋般涌现◁▼◇。

　　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▪•★○=。

　　主持紧接着问道☆▪○▲，所以这能推动机器人技术□▪，让未来这十年真正成为机器人的时代□•▷•○？

　　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□•-◇。

　　主持人一听☆▷…▼，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」▲□。

　　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——

　　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○■-。

　　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●◁。

　　马斯克始终聚焦「极其艰巨」的制造挑战▼○，指出人形机器人规模量产「所需的供应链尚不存在」◁□★器人最大骗局坦白Llama与我无瓜。

　　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-▼。

　　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◁◇。

　　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-•。

　　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▷-◆☆。

　　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◆◇□☆●…。

　　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◁-□○●。

　　这些公司压根不知道●◇，如何让机器人变得足够「聪明」◆☆★，或是说达到通用智能的程度□…☆◆。

　　最近在MIT的一场讲座中-▷-○，Meta首席AI科学家LeCun一语道破了机器人界最大的秘密——

　　人形机器人拥有40个自由度（关节）☆•◆□○•，可能产生的位姿组合数量甚至超过宇宙原子总数…◁□=。

　　Meta血裁AI部门研究员掀全网风暴之外△◇，LeCun却一直对外撇清自己和Llama的关系●▽-。

　　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=▪…▪◇•。

　　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」=▲。

　　给到一个时刻t的世界状态-•▷，再给定一个智能体可能的动作◇◆▪•▪，预测动作执行后的环境…■…-◆◁。

　　Yann LeCun的「冷静」▼●▲☆▷，与多位行业领袖所鼓吹的激进时间表形成了鲜明对比□▷○。

　　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☆▲★！pg电子模拟器试玩LeCun怒揭机。

　　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」○△…★○▽。

　　获得OpenAI投资的挪威公司1X Technologies▼-•，近期发布了自研「世界模型」•▲•。

　　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pg电子模拟器在线试玩-●▼•○。

　　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▼■★。

　　但这次…◆●，Yann LeCun直言□•▲：「LLM就是一条死胡同•=▪□★，世界模型才是正道」■•▷◇▼。

　　【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pg电子模拟器在线试玩=-□，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=◁▲••=。

　　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▷▲-□。

　　当系统有足够好的世界模型■◁◁▽•□，便能「想象」如何完成一个它从未被训练过的任务▪•△。

　　Brett Adcock强调「这个问题无法通过编程解决◆▲▷◆，唯一途径是神经网络」☆▲•◇●。

　　顺便提一句■▷■，Yann LeCun访问清华大学时★•◇，确定了自己的中文名「杨立昆」▷-。

　　谁曾想★◁▲◆，LeCun这番话再次捅了「马蜂窝」☆△▲升轿厢高度革新电梯设。，直接给这场狂热泼了一盆冷水▷□□，引机器人界大佬上阵怒喷▪★。

　　明年就能实现通过语音指令▷△，让人形机器人在陌生环境（比如从未进入的家庭）完成各类通用工作□▪◁◇▽…。

　　并预测每一步的结果▲●。可通过特定任务训练实现○•◆■•▷，1X世界模型的独特优势在于=■■◇▽★：允许从相同初始条件出发■☆-○，它需要想象一系列动作——拿起杯子=◁•、倒水…▪、搅拌▷▪▪=，就好比□■●，这套被视作世界模型问题直接解决方案的架构pg电子模拟器在线试玩▪-，让一个机器人冲一杯咖啡△▪△=◆，但让它们在家中叠衣服▽▪=○▲、倒水○◁■、理解人的意图▼□，

　　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」••！

　　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」○△。

　　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▼=。

　　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」△▪▪△。

　　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-▪▽。

　　这种机制使得模拟器可与智能体或策略AI模型形成闭环连接★▪★◁■，从而实现对系统性能的精准评估▪▪▽。

　　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」▼◁。

　　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□□•☆。