一本正經地胡說八道？：這不是Bug，是大模型的基因缺陷

如果你正在使用豆包、千问、Gemini或者是Gork等生成式对话AI，

你一定觉得AI现在已经很厉害了，不仅可以帮你写文章、做翻译，回答各个不同行业专业的问题，几乎样样都行。

但是有位在AI行业位高权重的泰斗级科学家却给现在的AI泼了一盆冷水：

他认为现在的LLM大语言模型这条路，走不到终点。

这个泰斗级人物就是杨立昆（Yann LeCun）

他是谁？

这个有着中文名字的杨立昆其实是一个法国人，

1960年生人，由于在2017年之前中文命题对他名字的翻译非常混乱，

索性他就给自己取了个官方中文名。

杨立昆被誉为“深度学习三巨头之一”、图灵奖得主以及现代AI的奠基人之一。

就AI行业来说，杨立昆是一个传奇人物。

他发明的“卷积神经网络”这个词在我7年前的采访中就已经出现了。

基本上我们手机的面部识别解锁和自动驾驶影像识别都有他的贡献。

2018年他和另外两个科学家一起获得了图灵奖（科学界的“诺贝尔奖”）

他在Meta（Facebook母公司）工作了12年，在Meta期间推动Llama系列开源大模型的研究。

2025年底，他选择离开Meta，自己创业，

去做他认为“正确方向”的事情。

大模型的本质：高级的“文字接龙”

杨立昆在创业后多次在公开场合表批评传统闭源的自回归LLM只是文字概率游戏，缺乏对物理世界的真正的理解。

我们现在用的豆包、千问、Gemini或者ChatGPT，核心都是大语言模型也就是LLM。

它的工作原理，简单来说就是：24小时不间断的阅读海量的文字，然后学会“下一句话我该怎么说”。

杨立昆曾经对LLM的定义打过一个比方：

就像有个人心不在焉的和你在聊天，你问他问题，他就凭直觉脱口而出，没有经过真正的思考，而是靠积累的经验“猜”出来的。

他认为LLM这种设计有两个根本性的缺陷。

首先，LLM不懂真实的世界。语言只是人类认知的冰山一角，真实的世界是有重力、有空间、有因果关系的。

LLM从来没有“看过”一个苹果是怎么落地的，LLM的认知甚至连猫和狗的认知水平都达不到。

而且动物不需要语言，照样能理解世界。

其次，幻觉无法根除。相信你不止一次的感受到，大模型会频繁的“一本正经的胡说八道”，

这其实并不是bug，是LLM大模型天生的设计缺陷。

因为LLM大模型没有真实世界的常识作为“锚点”，自然而然地就无法判断自己说的话是否符合现实。

靠不断地堆参数、堆数据量、堆算力矩阵，这个问题依旧永远无法根除。

他预言：2027年，全行业集体认错

杨立昆在最近的一次采访中直言：2027年初，所有人都会看清楚一点。

自回归大模型到不了AGI阶段（通用人工智能）。

这里我们做个小科普，当前主流共识AI发展的5个典型阶段分别是：

自回归大模型LLM/Chatbots（对话阶段）、Agentic AI（Agents阶段）、Multi-Agents Systems（多代理系统/数字团队阶段）、AGI（人工通用智能）以及ASI（人工超级智能）。

在普遍共识里当AI到达AGI阶段，AI的认知将超过人类水平，能跨任意领域独立思考，就类似科幻片里产生自主意识。

目前2026年我们处在阶段2向阶段3过渡的时间段。

杨立昆甚至把OpenAI比作当年的Sun公司，因为Linux的开源将采用传统封闭软硬件的Sun打的措手不及。

Sun公司的陨落也被行业视作是开源力量的崛起。

杨立昆同时也补充道：他不否定大模型的工具价值，他自己也天天在用。

只是，LLM是有用的过渡品，但不是发展的目标和终点。

他认为正确的方向：世界模型

杨立昆提出的替代方案叫世界模型（World Model）。

所谓的世界模型的核心思路：

就是让AI像婴儿一样有个学习的过程，而不是像学生那样死记硬背。就好像婴儿在学会说话之前，就已经知道东西会往地上掉、推到积木会发出什么声音，任何事情会先在脑海中模拟各种动作的后果，这种对世界运作规律的理解，靠的是感官和经验，而不是文字。

这个世界模型的具体技术叫JEPA（联合嵌入预测架构），目标是让AI能够理解世界万物的物理规律、建立持久记忆、并且拥有分层推理和规划行动。

通过视觉、触觉等拟人的感官来学习，而不只是盯着文本。

他说，别谈什么AGI，先把AI做到狗的水平再说。

人类的智能水平本质上也是自然选择和优胜劣汰的产物，其实并不“通用”。

AI真正的门槛，不是超越人类，而是先拥有动物级别的常识和理解世界的能力。

所以2025年底，离开Meta之后杨立昆就创立了新公司AMI Labs，计划筹资5亿欧元，专门研究世界模型，并计划优先将其应用于医疗领域。

支持者认为，大模型“知其然，不知其所以然”是公认的瓶颈，杨立昆指出的方向值得去尝试下，让AI发展的路走的更宽些。

质疑者则认为，大模型的进步速度每次都超出我们的预期，也许某个时刻的工程改进就逐步解决这些设计缺陷问题。

我觉得杨立昆对于整个行业来说，其价值在于当各个AI头部企业都在埋头“把模型越做越大的”时候，他是少数几个敢大声问出“方向对吗？”的人，毕竟作为AI的奠基人之一，他有这个底气。

这种声音，或许正是科学进步最需要的。