AMI Labs CEO为何拒绝使用AGI和超级智能标签

当整个AI行业争相将自身技术冠以“通用人工智能”或“超级智能”等宏大标签时，Yann LeCun旗下世界模型初创公司AMI Labs的CEO Alexandre LeBrun却选择了一条截然不同的道路。在接受TechCrunch的专访中，LeBrun明确表示，他的公司从未使用过这些术语，并且认为它们不仅缺乏明确定义，更对实际研发毫无助益。

“我们从未使用过AGI这个词，而且我注意到现在几乎没人再用它了——大家都转向了‘超级智能’，”LeBrun在采访中坦言，“下一次他们又会换成别的什么词。”他对这个新标签同样不以为然：“根本没有好的定义。什么是超级智能？我不知道。这不是一个有用的词。”这番言论出自一位身处AI最新竞赛中心的创始人，显得格外尖锐。

LeBrun是在上周于首尔参加国际机器学习大会期间接受采访的。他在那里寻找本地工业合作伙伴、全球性企业和研究人员。AMI Labs目前仍处于产品预研阶段，但已开始与机器人、制造业和电子领域的玩家接触。LeBrun解释说，世界模型——一种融合物理规律来预测和与真实世界交互的AI系统——需要在实验室之外证明自己的价值。

世界模型预计将产生重大影响的领域之一是机器人技术。LeBrun指出，目前机器人只是运行固定的程序，“完全静态”，而AI在物理世界中“仍然非常笨拙”。即便AI仅仅能让机器人“意识到上下文”，那也足以“给世界带来巨大的不同”。他举例说，这种具备上下文感知能力的AI本可以防止一个在公共活动中跳舞和打拳的机器人接近并踢到一个孩子。“硬件已经非常先进了，过去几个月硬件的进步令人难以置信，但机器人没有大脑。”

LeBrun用简洁的对比解释了世界模型的核心：大型语言模型预测下一个词或文本，而世界模型预测下一个状态。他把杯子推下桌，你立刻知道它会倾倒、液体洒出——这种直觉正是世界模型要捕捉的：预测世界的下一个状态。他强调，自己并非声称世界模型优于大型语言模型，二者在理解物理世界的AI系统中是“互补的，而非可替代的”。他类比人脑中语言与推理功能的分离，认为大型语言模型仍将是处理语言的最有效工具，而世界模型则提供上下文和现实世界的理解。

LeBrun认为，几乎所有“接触真实世界”的行业最终都可能使用基于世界模型的机器人。他直言，物理环境正是大型语言模型最薄弱的环节。一个在工厂里重复相同动作的机器人今天已经够用，但挑战在于“当你把机器人带到更开放的环境里，比如你家或街道上”，它必须理解周围环境并安全操作。“机器人现在不安全，”LeBrun警告说，“今天还没有解决方案。”

在采访的最后部分，LeBrun还谈到了医疗领域的潜在应用。他指出，在手术、康复和患者监护等场景中，机器人需要理解复杂的物理动态和人体行为，而世界模型提供的物理直觉能力将比现有AI系统更具优势。尽管AMI Labs尚未发布产品，但LeBrun的务实态度和对技术本质的清晰界定，正在为AI行业提供一种不同于“标签竞赛”的发展思路。