摘要： 文章指出，尽管LLM（大型语言模型）在处理文本任务方面非常有效，但它们被过度炒作的原因在于人们错误地认为LLM可以很快达到人类水平的智能。作者强调，LLM受限于文本世界，缺乏对现实世界的理解模型，因此无法进行真正的推理和规划。作者认为，要实现具有人类水平和类似人类智能的AI系统，需要重大的概念突破，而这正是他们所在公司AMI Labs所专注的领域。他们提出的解决方案是使用世界模型和JEPA架构（一种由LeCun在Meta工作时创建的学习框架），旨在训练AI模型理解世界。
讨论： 上述内容主要讨论了人工智能，特别是LLM（大型语言模型）和GenAI（生成式AI）在理解现实世界方面的局限性和未来发展方向。讨论中提到了通过修改人类行为以适应机器、探索超越LLM和GenAI的其他技术方法、构建更大规模的自学习神经网络以及量子推理等话题。其中，JEPA系统被提及为一种学习世界底层规则的方法，强调从观察中学习而非预测细节。此外，还提到了NYU的深度学习课程和量子推理的未来潜力。
原文标题：Yann LeCun’s new venture is a contrarian bet against large language models
原文链接：https://www.technologyreview.com/2026/01/22/1131661/yann-lecuns-new-venture-ami-labs/
讨论链接：https://news.ycombinator.com/item?id=46732555