AI革新浪潮下的先驱者杨立昆：目标驱动架构引领未来

划重点：

• 自2023年夏季以来，Llama模型家族已被下载约8亿次，展现了AI技术的广泛影响。
• 杨立昆提出“目标驱动架构”，旨在确保AI系统行为与人类价值观一致。
• 他相信AI能像15世纪印刷术一样，引发新的智慧文艺复兴。
• 年轻人应主动塑造未来，不被负面叙事所束缚。

2025年7月1日，Meta正式成立了Meta超级智能实验室（Meta Superintelligence Labs），旨在加速通用人工智能（AGI）的研发。在此过程中，马克·扎克伯格对AI顶尖人才的渴求，以及对科技行业的震动，引发了广泛关注。然而，在这一过程中，杨立昆（Yann LeCun），这位长期担任Meta基础AI研究实验室（FAIR）首席科学家的AI先驱，逐渐被边缘化。

沉寂数月后，这位被誉为“人工智能教父”的科学家在法国巴黎接受了人工智能专家芭芭拉·罗萨里奥（Barbara Rosario）的专访，并发布了一段视频，深入探讨了AI研究方向、行业竞争以及安全争议。

作为纽约大学教授，杨立昆曾与杰弗里·辛顿（Geoffrey Hinton）和约书亚·本吉奥（Yoshua Bengio）共同因深度学习的开创性贡献获得图灵奖。他坚信神经网络的潜力，主张机器无需显式编程即可通过学习掌握技能。这一理念如今已成为现代AI的基石。

近四十年前，杨立昆与同事探索的神经网络技术曾被视为小众领域。如今，随着这些技术的广泛应用，AI领域正经历深刻变革。他的职业生涯始于法国索邦大学，博士论文提出了早期反向传播算法，随后在加拿大多伦多与辛顿合作开展博士后研究。在贝尔实验室期间，他在字符识别等任务上取得突破，推动了支票识别系统等技术的产品化应用。

2003年，杨立昆在纽约大学重启神经网络研究，并将“神经网络”更名为“深度学习”。此后，深度学习在语音识别领域取得重大成功，迅速成为主流技术。

如今，巴黎已成为欧洲AI与高科技初创企业的中心。杨立昆指出，AI发展的竞争并非地区间的较量，而是开放研究与开源生态对封闭专有系统的对抗。Meta开源的Llama模型家族自2023年夏季以来已被下载约8亿次。他认为，开放研究加速了技术进步，使更多公司和个人从中受益。

作为法国科学院院士和图灵奖得主，杨立昆提出“目标驱动架构”，为AI系统设定了明确目标和安全防护机制。他反驳了“智能必然导致支配欲”的观点，强调AI安全是工程问题，可通过合理设计解决。即使出现“失控AI”，社会也能通过更先进的AI技术进行抵御和风险消除。

他热爱音乐（古典、巴洛克、爵士等）和手工创作（造船、造飞行器），并对法国文化和美食充满怀念。他希望AI能像15世纪印刷术引发文艺复兴一样，极大地增强人类智慧，并激励年轻人积极投身创新。

以下为访谈内容精选版：

主持人：你是法国人，曾在索邦大学学习。在博士论文中，你提出了神经网络反向传播算法的早期形式。你算是这一领域的先驱吗？

杨立昆：我在本科期间就对机器学习产生了浓厚兴趣。那时在法国几乎没人研究神经网络。我读过约翰·霍普菲尔德（John J. Hopfield）、辛顿和特伦斯·谢诺夫斯基（Terry Sejnowski）的论文，这些研究在人工神经网络和计算神经科学领域具有深远影响。我当时非常想结识他们。

1985年冬，我在一次研讨会上遇到了谢诺夫斯基。几个月后，辛顿来巴黎参加会议，读了我用法语写的论文。这篇论文的数学部分十分清晰，他邀请我在毕业后前往多伦多做博士后研究。

主持人：深度学习是在你在多伦多攻读博士后期间诞生的吗？

杨立昆：那时我们称之为“神经网络”，而不是“深度学习”。我加入贝尔实验室后，短短几个月就在数据集上取得了当时的最佳结果。我们开发了一个演示系统，可以通过摄像头读取纸上的字符。

主持人：是什么让深度学习成为主流技术的？

杨立昆：2003年我成为纽约大学教授后重启了神经网络研究计划。真正的突破出现在本世纪10年代末的语音识别领域。辛顿派他的学生到微软、谷歌和IBM实习，让他们用深度学习替换语音识别引擎中的声学建模部分。

主持人：欧洲和法国能在AI发展上赶上美国和中国吗？

杨立昆：我认为这不是地域之间的竞争，而是开放研究和开源社区与封闭专有系统之间的较量。比如Meta的开源基础模型Llama诞生于巴黎。

主持人：你曾说过政府不应允许少数公司控制公民的数字信息。作为企业研究员和独立科学家你会感到两者之间存在冲突吗？

杨立昆：我同时在纽约大学任教和在Meta担任首席科学家。Meta非常支持开放研究。我不觉得有太大冲突。

主持人：获得图灵奖后你的工作重点和生活发生了哪些变化？

杨立昆：图灵奖让我获得了一些影响力。现在当我说某件事有趣或不有趣时，会有更多人倾听。