在當前 AI 世界狂熱地追逐大型語言模型（LLM）時，有一位聲音顯得格外清醒。他是深度學習的奠基人之一，也是 Meta 的首席 AI 科學家 —— Yann LeCun(楊立昆)。在 2025 NVIDIA GTC 大會中，LeCun 與 NVIDIA 首席科學家 Bill Dally 展開一場對談。不到三十秒，他便語出驚人：「我已經對 LLM 不感興趣了。」
這句話並不是單純的挑釁，而是一場思想上的轉向。他的目光，早已越過了語言模型的邊界，投向更深層的智能挑戰。他看見了今天 AI 的盲點，也為它描繪了一條前所未見的路。
語言不是一切，理解世界才是真智能
在這場談話中，LeCun 表達了一種幾乎與主流意見相左的觀點。他認為當前 LLM 的發展已經進入工程優化的階段，重點在於「多一點資料、多一點算力」來讓模型更穩定、更具商業價值。
「這些是產品經理的事，對我來說不再有趣了。」他說。
他不否認 LLM 所創造的語言奇蹟，但在他看來，那並不是智能的終點，而僅是語言模仿的技術。真正的智能，不該只是生成文字，而是理解這個世界、記住過往經驗、推理出未來的可能，並能根據目標規劃行動。
這一切，都不是現在的 LLM 所能做到的。
四個真正未解的問題
談到 AI 未來真正的挑戰，LeCun 清楚地指出了四個他認為至關重要、但目前尚未有令人滿意解答的領域。
第一是對物理世界的理解。他舉了一個極簡的例子：當人看到一個瓶子，知道推它會滑，敲它會彈，這些都是我們從小累積的世界模型。但今天的 AI，無論是從圖片、影片還是文字中，都無法真正掌握這些「常識」。
第二個挑戰是持久記憶。大多數 AI 系統處理輸入時是一次性的：輸入 → 推理 → 輸出。它不會記得你上一秒說了什麼，更無法累積對世界的長期觀察與認知。而人類的記憶，正是推理與學習的基礎。
第三，則是最根本也最具哲學意味的問題：推理。LeCun 對現今所謂「agentic AI」的批評頗為嚴厲。他認為讓模型生成一堆答案，再從中選出最可能正確者，根本不是推理，而是暴力試錯。他說這種方法就像「亂寫程式然後看哪個跑得動」，低效而粗糙。
第四個挑戰則是規劃能力。真正的智能不只是對當下做出反應，更能思考未來。他形容：「如果 AI 能夠在內部模擬一個世界，然後根據某個假設行動去預測未來的結果，那它就能計劃達成目標的最佳路徑。」而這，才是人類做決策的真正方式。
JAPA：一種更接近人腦的新架構
對於解決這些挑戰，LeCun 並非空口說白話。他和團隊已經在設計一套嶄新的 AI 架構，名為 JAPA（Joint Embedding Predictive Architecture）。它不是語言生成器，不模仿人類對話，而是一套可以在抽象空間中思考與預測的系統。
「當你在腦中想像一顆立方體旋轉，你不是在腦中拼字詞，而是在操作一種抽象模型。」LeCun 如此比喻。他希望 AI 也能具備這樣的能力 —— 在一個抽象表示空間（latent space）中，理解世界的結構，模擬行動的後果，進而推理與規劃。
這是一種對現今 LLM 的徹底顛覆。不是 token 的堆疊，不是語言的預測，而是認知與世界模型的建構。
開源、合作、與人類智慧的共同體
除了技術的革新，LeCun 也毫不掩飾他對「開源」與「多樣性」的支持。他強調，真正的 AI 不會只誕生在矽谷的幾家公司手中。
「未來的智慧助理，不能只說英文，也不能只有一種文化觀。它們要能理解全世界所有語言、文化、價值觀與偏好，」他說，「我們需要一個像新聞媒體一樣多元的 AI 生態。」
他將 LLaMA 模型與 PyTorch 的開放精神視為未來的希望，也認為 foundation models 應該走向全球分布式訓練與社群式貢獻，讓各地區能以保有資料主權的方式，共建全球智能基礎。
AGI 不會從某個神秘實驗室誕生
當對話接近尾聲，LeCun 又補上一句：「未來的人工智慧，不會是一個瞬間、一家公司、一個模型的成就，而是整個人類社群長時間積累的成果。」
他認為，這個過程將需要開放的研究、全球的合作、與更便宜、更高效的硬體（然後開玩笑地說：「NVIDIA，你們該降價了。」）。
如果說 LLM 是當今 AI 的盛世，那麼 LeCun 心中的未來，是一場真正對人類智慧本質的回歸。他不做炒作，不講流行語，只是默默地，用他的方式，讓 AI 回到一個根本的問題：它到底懂不懂這個世界？
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！