LeCun泼冷水：会下棋的机器，不等于聪明

Yann LeCun在Evident AI Symposium 2026上又说了那句不太讨喜的话：AI领域70年反复犯同一个错，机器能完成人类眼中智力复杂的任务，不代表它比人聪明。计算机在很多任务上已经超人，但离人类甚至动物级智能还很远。

下面这段是现场片段。屏幕里LeCun穿绿色上衣，台下坐满人，场景是Evident的活动。

背景补一句。LeCun是AI先驱，现任AMI Labs执行主席。完整访谈在Evident Insights频道，19分26秒，标题Yann LeCun, AMI Labs | Evident AI Symposium 2026。他谈到大语言模型在物理世界里的推理和规划仍然受限，world models被视作可能的下一范式；他还提到，家用机器人至今没有出现。

JEPA的做法也值得看。按LeCun的说法，它在抽象表征空间里做预测，主动忽略不可预测的细节。他拿金融数据打比方：大部分是噪声，只夹着一点信息。这个判断很刺，因为当下不少模型在刷榜，把可测任务做得越来越高，却还没解决在混乱环境里持续学习、规划、行动的问题。

评论区比正文更有画面。有网友说，国际象棋引擎90年代就打败所有人，到现在还是开不了一扇门。还有人抬出TI-84计算器：它已经超人30年了。有人断言LeCun会死守这座山。也有人给出另一种角度：AI能更快犯更多错，所以学得也更快。甚至有人@Grok，让它去证明LeCun错了。

这些回复基本把争议摊开了。一边是任务级超人，一边是通用智能。前者靠窄目标和大规模优化就能堆出来，后者得在物理世界里活下来，会看、会动、会规划，还得从少量信息里学。把benchmark分数直接等同于智能，容易让人自我催眠。LeCun的提醒不新鲜，但每隔一段时间就得有人再说一遍，因为行业太爱把“能做事”翻译成“很聪明”。

完整视频链接：https://youtu.be/DK0jypclGSk?si=aoojpJsBHzLUeDNe