IT之家 · 智能时代 · 10/12/2026, 14:46:27
Yann LeCun: LLMs Fail to Understand Reality; World Models Needed for Physical Causal Reasoning
Turing Award winner Yann LeCun argues that while current Large Language Models (LLMs) excel in predictable sequences like coding and math, they fundamentally lack the ability to understand real-world physical laws and causal relationships. He advocates for a shift toward 'World Models' in next-generation AI, which simulate physical rules to predict action outcomes and interact with environments, bridging the gap between linguistic understanding and reality.
SOURCE COVERAGEFull Original Report
杨立昆强调，为日常生活场景打造的大语言模型，在理解现实世界方面存在局限。他对此解释称：“我们现在没有做出无需任何训练就能完成任务的机器人，也没有开发出 L5 级自动驾驶汽车，对比之下任何青少年只需要练习几个小时，就能学会驾驶。”
他继续说道：“这说明 AI 在理解语言和理解现实世界之间存在巨大差距。事实证明，机器想要读懂语言很容易，而理解现实世界并不容易。”
大语言模型（LLM）是根据海量训练数据学到的模式，预测下一个最可能出现的词语生成文本。杨立昆认为，这种方法在编程、数学等涉及可预测序列的任务中表现出色，可现实世界的大多数信息，远没有语言那么容易预测。
因此他主张开发世界模型，使 AI 能够学习支配现实世界的物理规律和因果关系，让这套系统预测行动可能产生的结果，并与周围环境交互。
IT之家注：杨立昆是卷积神经网络（CNN）的重要发明者之一，他的理论极大推动现代计算机视觉发展，广泛应用于图像和视觉识别。他曾在 2018 年获得图灵奖，并被业界誉为“AI 教父”之一。