楊立昆的世界模型架構與傳統 LLM 的學習方式有何不同？

楊立昆的世界模型與傳統 LLM 的學習方式差異

楊立昆（Yann LeCun）認為，傳統大型語言模型（LLM）主要透過分析大量文本資料來學習語言模式，但缺乏對物理世界的真正理解，使其在處理需要常識推理和預測的任務時表現不佳。他因此批評 LLM「比貓還笨」，因為 LLM 無法像人類或動物一樣，通過感知和互動來理解現實世界的運作方式，這使得 LLM 難以實現通用人工智慧。

世界模型的獨特架構與學習方式

楊立昆提倡的「世界模型」旨在使機器能夠理解和預測物理世界的運作方式。這種 AI 架構的核心是讓 AI 系統從視覺和空間數據中學習內在的因果關係，並以此建立對未來狀態的預測能力。世界模型賦予 AI 系統「想像」未來情景的能力，使其能夠基於對世界的理解來規劃和執行行動。與 LLM 僅依賴文本數據不同，世界模型更注重從多模態數據中學習，以建立更全面的世界理解。

Meta AI 發展路線的分歧

楊立昆與 Meta 在 AI 發展路線上的分歧也是他批評 LLM 的背景因素。Meta 執行長祖克柏將 LLM 視為實現超級智慧的核心路徑，並投入大量資源進行相關研究。然而，楊立昆堅信世界模型才是 AI 的未來，這種根本性的分歧導致他在 Meta 的影響力逐漸減弱。Meta 近期的人事變動，例如聘請 Scale AI 創辦人汪滔領導新的 AI 團隊，以及對基礎 AI 研究團隊（FAIR）的資源削減，更凸顯了 Meta 在 AI 發展策略上的轉變。