图灵奖得主杨立昆（Yann LeCun）最近的发言，一如既往地犀利。他再次公开表示，我们不可能仅靠大语言模型（Large Language Models, LLM）达到通用人工智能（AGI）。他甚至直言不讳地指出，现有的LLM本质上只是“高级搜索引擎”，永远无法实现像人类一样的真正推理和世界模型构建。
这种观点在当下满屏都是“LLM万能论”的环境里，显得极其刺耳，但我却觉得非常必要。过去几年，行业把太多的资源和注意力都押注在扩大模型参数和训练数据上，却忽视了认知架构的根本缺陷。杨立昆一直在倡导基于世界模型（World Models）和JEPA架构的新方向，强调AI需要像婴儿一样，通过与物理世界的交互来学习常识，而不是仅仅在文本数据里找统计规律。
我观察到，目前的LLM确实存在严重的“幻觉”问题，面对需要多步逻辑推理或空间想象的任务时，往往表现得捉襟见肘。杨立昆的批评并非否定LLM的价值，而是提醒我们不要把它当成终点。如果整个行业都在这条单一赛道上内卷，最终只会触达天花板。
我欣赏这种敢于唱反调的学术良知。在资本和流量疯狂追捧大模型的时候，需要有像他这样的人站出来指出皇帝的新衣。我对JEPA架构的未来发展充满好奇，期待看到更多跳出自回归语言模型框架的突破性研究。毕竟，真正的AGI，绝不应该只是一个更会接话的文本生成器。
这种对技术本质的深度反思，是推动科学进步的核心动力。我们不能被短期的商业成功蒙蔽了双眼，而忘记了探索更高级智能形态的初心。我期待学术界和工业界能给予非传统架构更多的试错空间，因为下一个颠覆性的突破，往往就藏在这些被边缘化的思路里。