一场关于智能本质的激烈辩论在科技界掀起了波澜。图灵奖得主、AI领域知名学者Yann LeCun与诺贝尔奖得主、谷歌DeepMind首席执行官哈萨比斯，就“智能的本质”这一话题展开了直接交锋，引发了广泛关注。
事件的起因源于LeCun在接受采访时发表的言论。他明确表示，所谓“通用智能”根本不存在，这一概念毫无意义。他认为，人类智能实际上是高度专业化的，尽管在现实世界中表现出色，如认路、导航和社交等，但在某些领域，如国际象棋，人类的表现却相对较差。LeCun指出，人类之所以认为自己具备“通用”智能，只是一种错觉，因为我们只能理解和处理有限的问题。
这一观点迅速遭到了哈萨比斯的反驳。哈萨比斯认为，LeCun混淆了“通用智能”和“全能智能”的概念。他强调，大脑是宇宙中已知最复杂、最精妙的事物，具有极强的通用性。虽然任何实际系统在特定目标分布周围都会存在一定程度的专门化，但从理论上讲，只要给予足够的时间、内存和数据，图灵机就能学习任何可计算的内容。哈萨比斯还指出，人类大脑和AI基础模型正是近似的图灵机，具备实现通用智能的潜力。
哈萨比斯进一步阐述了他的观点，认为衡量智能的两个关键标准是通用性和学习能力。他以1997年“深蓝”战胜国际象棋冠军卡斯帕罗夫为例，指出尽管“深蓝”在特定领域表现出色，但它无法处理简单的井字游戏，显示出程序的局限性。相比之下，人类大脑的潜力令人惊叹，不仅能发明国际象棋，还能推动现代文明的进步。
随着辩论的深入，LeCun再次回应，指出分歧主要在于用词。他反对用“通用”来描述人类水平的智能，因为人类实际上是高度专门化的。他强调，理论完备并不等同于实际通用，真正的智能必须在有限资源下高效运作。为了支持自己的观点，LeCun还举了两个例子：一是两层神经网络在理论上可以逼近任何函数，但在实践中需要大量神经元；二是视神经的信号处理能力有限，只能实现极小比例的布尔函数。
这场辩论不仅吸引了科技界的目光，也引发了公众的广泛讨论。有网友指出，争论的核心可能在于用词的不同，而抛开用词不谈，两位学者实际上在探讨不同的问题：LeCun强调“我们是什么”，而哈萨比斯则关注“我们能成为什么”。这一分歧也指向了一个更深层次的议题：如何实现通用人工智能（AGI）。
在探讨AGI的实现路径时，两位学者都不约而同地提到了“世界模型”。LeCun计划创业，专注于世界模型的研究，他认为世界模型的关键在于掌握控制理论和认知科学，而非渲染精美的像素。他强调，模型应专注于捕捉用于决策的世界状态，而非浪费算力生成像素。而哈萨比斯也表示，世界模型是谷歌DeepMind接下来的重点，他描述的世界模型能够理解世界运行机制中的因果关系和协同效应，是通往AGI的关键一步。
尽管两位学者对世界模型的理解和实践方向存在差异，但他们的观点都为AGI的研究提供了新的思路。这场辩论不仅展现了科技界对智能本质的深入思考，也预示着AI领域未来的发展方向。随着争论的持续，人们期待看到更多关于智能本质的新观点和新发现。
