Meta的首席科學家兼深度學習先驅Yann LeCun表示，他認為目前的AI系統距離達到某種層面上的感知還需要幾十年的時間，這些系統配備了常識，可以推動它們的能力不僅僅是以創造性的方式總結堆積如山的文本。

他的觀點與NVIDIA的首席執行官黃仁勛的觀點形成鮮明對比，黃仁勛最近表示，AI將在不到五年的時間里與人類競爭，在大量腦力密集型任務中擊敗人類。 

在最近的一次活動中，LeCun強調了Meta基礎AI研究團隊成立10周年，他說：“我了解黃仁勛。”LeCun表示，這位NVIDIA的首席執行官將從AI熱潮中獲益良多。“有一場AI戰爭，而他正在提供武器。” 

在談到試圖開發AI的技術人員時，LeCun說：“如果你認為AGI加入了進來，你必須購買的圖形處理器越多。”AI是一種與人類水平的智能相當的AI。只要OpenAI等公司的研究人員繼續追求AGI，他們就會需要更多NVIDIA的計算機芯片。 

LeCun說，人類社會更有可能在人類水平的AI之前幾年獲得“貓水平”或“狗水平”的AI。科技行業目前對語言模型和文本數據的關注，將不足以創建研究人員幾十年來一直夢想的那種先進的類似人類的AI系統。 

“文本是一個非常糟糕的信息來源，” LeCun說，他解釋說，人類可能需要2萬年才能閱讀到用于訓練現代語言模型的大量文本。“用相當于2萬年的閱讀材料來訓練一個系統，他們仍然不明白，如果A和B一樣，那么B就和A一樣。” 

LeCun說：“這個世界上有很多非常基本的東西，他們只是不能通過這種訓練。” 

因此，LeCun和其他Meta AI高管一直在大量研究如何對用于創建ChatGPT等應用的所謂變壓器模型進行定制，以處理包括音頻、圖像和視頻信息在內的各種數據。這種想法認為，這些AI系統越能發現這些不同類型數據之間可能存在的數十億美元的隱藏關聯，它們就越有可能執行更神奇的壯舉。 

Meta的一些研究包括一款軟件，可以幫助人們在佩戴該公司的Project Aria增強現實眼鏡時，教人們如何更好地打網球，該眼鏡將數字圖形融入現實世界。高管們展示了一段演示，在演示中，一名戴著AR眼鏡的人在打網球時能夠看到視覺提示，教他們如何正確握住網球拍并以完美的形式揮動手臂。為這類數字網球助手提供動力所需的AI模型，除了文本和音頻之外，還需要融合三維視覺數據，以防數字助手需要說話。 

這些所謂的多模式AI系統代表著下一個前沿，但它們的開發不會便宜。隨著Meta和谷歌母公司Alphabet等更多公司研究更先進的AI模型，NVIDIA可能會獲得更大的優勢，特別是在沒有其他競爭出現的情況下。 

未來的AI硬件 

NVIDIA一直是GenAI的最大受益者，其昂貴的圖形處理單元成為用于訓練大量語言模型的標準工具。Meta依靠16000個NVIDIA A100圖形處理器來訓練其Llama AI軟件。 

記者詢問，隨著Meta和其他研究人員繼續開發這些復雜的AI模型，科技行業是否會需要更多的硬件供應商。 

LeCun說：“它不需要它，但它會很好。”他補充說，當談到AI時，GPU技術仍然是黃金標準。 

盡管如此，他說，未來的計算機芯片可能不會被稱為GPU。 

LeCun說：“你將看到有希望出現的是不是圖形處理單元的新芯片，它們只是神經、深度學習加速器。” 

LeCun也對量子計算持懷疑態度，微軟、IBM和谷歌等科技巨頭都在量子計算上投入了大量資源。Meta以外的許多研究人員認為，量子計算機器可以推動藥物發現等數據密集型領域的進步，因為它們能夠使用所謂的量子比特執行多次計算，而不是現代計算中使用的傳統二進制比特。 

但LeCun對此表示懷疑。 

LeCun說：“你用量子計算可以解決的問題的數量，你可以用經典計算機更有效地解決。” 

“量子計算是一個引人入勝的科學話題，” LeCun說，目前還不太清楚“實際的相關性和制造真正有用的量子計算機的可能性”。 

Meta高級研究員、前技術主管Mike Schroepfer對此表示贊同，他說，他每隔幾年就會對量子技術進行評估，并認為有用的量子機器“可能會在某個時候出現，但它的時間跨度太長，與我們正在做的事情無關。” 

Schroepfer說：“我們十年前開始建立AI實驗室的原因是，很明顯，這項技術將在未來幾年內實現商業化。”