AI觉醒星球
Awakening is here
Knowledge File / 全球热点解读
2026-05-24 6 浏览 公开

趋势解读:Deepmind's Hassabis sees humanity "in the foothills of,聚焦形式化数学证明能力

三位顶级AI研究者对AI现状的不同看法:LeCun认为当前LLM不智能,Hassabis预言5年内AGI到来,Vinyals指出模型在代码数学上强但缺乏经验学习。

SOURCE / 全球热点解读 MIN / 9 ACCESS / 公开 POST / 2026-05-24 20:54:07

原贴

查看原文
作者:Matthias Bastian 来源站点:the-decoder.com 原贴时间:

原文

Three top researchers, three takes on where AI stands right now. Yann LeCun, AI researcher at AMI Labs, suggests that current LLMs aren't intelligent, because real intelligence doesn't show up in accumulated knowledge or learned skills but when you solve new problems without any prior training. He cites a paraphrase of psychologist Jean Piaget's position: "Intelligence is not what you know, it's what you do when you don't know." LeCun is working on AI technology that goes beyond the Transformer LLMs we know today. He's argued in the past— even with a Deepmind researcher —that LLMs aren't what's needed for child-like learning, which itself would be a precursor for true intelligence. Ad Deepmind co-founder Demis Hassabis, usually known for his restraint, already sees humanity "standing in the foothills of the singularity," expecting a "profound moment for humanity." Those words will likely end up in the history books, no matter how things play out. Ad DEC_D_Incontent-1 Hassabis said this at the close of his Google I/O 2026 keynote (1:50:17). He believes AGI is possible within the next five years, and when it happens, it'll be "10 times the industrial revolution at 10 times the speed." Oriol Vinyals, co-lead of the Gemini program , splits the difference: today's models are strong at code and math, and reasoning keeps getting more general, he says. If someone had shown him these models seven years ago, he probably would've called them AGI. But the ability to learn from experience and produce real breakthroughs is still missing. Ad Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section.

中文翻译

三位顶尖研究人员,三位对人工智能的现状进行了探讨。 AMI Labs 的人工智能研究员 Yann LeCun 认为,目前的法学硕士并不聪明,因为真正的智慧并不体现在积累的知识或学到的技能上,而是体现在你在没有任何事先培训的情况下解决新问题时。他引用了心理学家让·皮亚杰(Jean Piaget)的立场的一句话:“智力不是你知道什么,而是你在不知道时所做的事情。” LeCun 正在研究超越我们今天所知的 Transformer LLM 的人工智能技术。他过去曾辩称——即使是与 Deepmind 研究人员一起——法学硕士并不是儿童学习所需要的,而儿童学习本身就是真正智力的先驱。 Ad Deepmind 联合创始人 Demis Hassabis 一向以克制着称,他已经看到人类“站在奇点的山脚下”,期待着“人类的深刻时刻”。无论事情如何发展,这些话很可能最终会被载入史册。 DEC_D_Incontent-1 Hassabis 在 Google I/O 2026 主题演讲结束时 (1:50:17) 如此说道。他相信通用人工智能在未来五年内是可能的,当它发生时,它将“以十倍的速度实现工业革命的十倍”。 Gemini 项目的联合负责人 Oriol Vinyals 提出了不同的观点:他说,当今的模型在代码和数学方面非常强大,而且推理变得越来越普遍。如果七年前有人向他展示这些模型,他可能会把它们称为 AGI。但从经验中学习并产生真正突破的能力仍然缺失。订阅 THE DECODER 即可享受无广告阅读、每周一次的 AI 时事通讯、我们每年六次的独家“AI 雷达”前沿报告、完整的存档访问权限以及我们的评论部分的访问权限。

核心信息

三位顶级AI研究者对AI现状的不同看法:LeCun认为当前LLM不智能,Hassabis预言5年内AGI到来,Vinyals指出模型在代码数学上强但缺乏经验学习。

  • LeCun:当前LLM不具真正智能,智能源于未知中解决问题。
  • Hassabis:5年内AGI实现,人类处于奇点山脚,影响巨大。
  • Vinyals:模型代码数学强,但缺乏经验学习与突破能力。
  • 三位专家分歧反映AI技术路线之争:规模扩展 vs 新架构。

详细解读

这是什么信号

三位顶级AI研究人员对当前AI发展阶段的判断出现了明显分歧。Yann LeCun认为现有大型语言模型(LLM)不具备真正智能,因为智能体现在面对未知问题时的适应性,而非知识积累。Demis Hassabis则乐观地认为人类已站在“奇点”的山脚下,预言5年内实现AGI,其影响将是工业革命的十倍。Oriol Vinyals持中间立场,指出当前模型在代码和数学领域表现强劲,推理能力日益通用,但缺乏从经验中学习并产生真正突破的能力。

为什么重要

这一分歧反映了AI行业核心路径的争议:是继续扩大LLM规模,还是探索全新架构?LeCun的观点挑战了当前以Transformer为主流的技术路线,而Hassabis的预言则代表了业界对AGI快速到来的普遍期待。Vinyals的评估更贴近实际应用现状。对于OPC内容引擎而言,这意味着需要持续追踪不同技术路线的发展,并针对不同受众提供差异化的解读。

对谁有价值

  1. AI从业者与研究者:了解业界顶级专家的观点,有助于判断技术趋势和投资方向。
  2. 内容创作者与产品经理:AGI的进展将直接影响内容生产工具和工作流程,需要提前规划适应性策略。
  3. 企业决策者:Hassabis的AGI时间表意味着需要重新评估技术储备和战略布局。

可以怎么行动

  1. 关注LeCun在非Transformer架构上的研究进展,评估其对现有LLM生态的潜在冲击。
  2. 将Hassabis的AGI预言作为长期跟踪信号,定期复盘行业里程碑。
  3. 利用Vinyals指出的“代码和数学能力”优势,探索将AI应用于形式化数学证明等垂直场景。

风险或限制

专家观点存在主观性,且技术预测常因意外突破或瓶颈而偏离。LeCun的立场可能低估了规模化的潜力,Hassabis的乐观则可能忽略安全与伦理挑战。内容引擎应避免过度依赖单一叙事,保持多源信息交叉验证。

信息差价值

信息差价值:多数媒体仅报道单一观点,而本文汇集三位顶级专家的不同视角,揭示了AI发展路径的深层分歧。读者可借此看到行业全貌,避免被单一叙事左右。

业务启发:对于内容生产,AGI若快速到来,将彻底改变内容生成与分发模式;若停滞,则需继续优化现有LLM应用。建议团队建立双轨预案:一方面深耕LLM垂直场景(如代码辅助、数学证明),另一方面探索非Transformer路线(如LeCun的方向)以应对变局。

可沉淀动作:将本文作为“AI专家观点对比”系列的第一篇,后续跟踪每位专家的新发声;建立“AGI进展看板”,定期更新关键指标;开发面向开发者的“形式化数学证明”专题内容,提前积累用户。

参考来源

上一篇 格雷格·布罗克曼:那段差点让OpenAI覆灭的72小时 下一篇 Claude Code自动模式:多任务并行的关键技巧