文章核心观点 - 文章报道了人工智能领域两位顶尖专家Yann LeCun与Demis Hassabis就“通用智能”概念展开的公开辩论 这场辩论反映了对人工智能发展路径的两种不同研究范式[1][10][38] LeCun的核心论点：反对“通用智能”概念 - Yann LeCun认为“通用智能”这个概念是“彻头彻尾的胡说八道”和“无稽之谈” 他认为人类智能是高度专用化的 人类在许多任务上表现差劲 而动物在许多领域胜过人类[3][4][5] - 他认为人类自认为通用是一种“幸存者偏差”的错觉 因为人类只能意识到自己能构想出的问题 而忽略了海量位于认知盲区之外、根本无法构想的任务[3][4] - 他从数学和效率角度论证 认为人类大脑是极度专业化的 视神经拥有100万根神经纤维 视觉任务是从1E6比特到1比特的布尔函数 在所有可能的此类函数中 大脑能够实现的比例微乎其微[25] - 他指出 人脑约有1E11个神经元和约1E14个突触 指定整个连接组所需的总比特数最多为3.2E15 这意味着人脑可表示的布尔函数总数最多为2^(3.2E15) 与所有可能函数总数2^(2^1E6)（约2^(1E301030)或10^(3 x 1E301029)）相比是极小的数字[25][26][27] - 他强调理论上的可计算性（如图灵完备）不等于实际效率 在资源受限下 人脑处理绝大多数计算问题的效率极低 表现是高度次优的[23][25] Hassabis的核心论点：支持“通用智能”概念 - Demis Hassabis认为LeCun混淆了“通用智能”与“普适智能” 他认为人类大脑是“目前在宇宙中已知的最精妙、最复杂的现象” 并且具有极高的通用性[12][13] - 他的观点基于通用计算理论 认为人类大脑以及AI基础模型都是近似的图灵机 只要给予足够的时间、内存和数据 从理论上讲就能够学习任何可计算的事物[12][14] - 他以人类创造力为例反驳LeCun 指出人类大脑的出厂设置是为了“采集和狩猎” 但却用这套硬件发明了国际象棋并造出了波音747 这证明了其令人惊叹的通用性[12][14] 争论的本质与行业意义 - 两位专家的争论看似围绕词汇定义 实质上反映了对AGI发展路径的两种不同判断和研究范式[38] - Hassabis的立场更接近“通用计算主义” 关注通用架构在规模化后的潜力上限 认为能力边界可以随算力、数据和训练时间的扩展而持续外推[38] - LeCun则强调实际可实现性与效率约束 认为智能系统必须在有限资源下运行 必然高度依赖结构、归纳偏置和与世界相匹配的表征方式 应关注构建能高效理解和预测现实世界的“世界模型”[38] - 这场分歧是两种研究范式的差异 在AGI实现之前 这两条路径可能会长期并行并相互借鉴 争论本身是推动领域前进的重要动力[38][39] 其他行业专家的观点 - 谢赛宁支持LeCun的观点 推荐了Frans de Waal的著作《Are We Smart Enough to Know How Smart Animals Are?》 认为人类应对智能抱有更谦卑的态度[29][30] - 黑天鹅理论之父Nassim Nicholas Taleb从哲学角度支持LeCun 认为任何智能都是“领域特定”的 受进化和结构束缚[33] - 埃隆·马斯克则简洁地表示支持Hassabis的观点[36]