前沿蒸馏· 田渊栋访谈：AI自我进化与RSI的崛起

我想补充一下访谈里提到的4个neolabs！感觉非常有趣，了解了一下4个非主流的AI研究方向，查了一些资料，也很好奇有没有朋友对这几个方向有些研究呀。 1. Ilya Sutskever - SSI (safe superintelligence)超安全人工智能 估值达到320亿美元，融资约60亿美元，是世界上估值最高却没有任何商业产品的AI实验室。 说是目前非常保密，都不太知道具体的研究方向😄。 主创只说找到了另一座山，外界确实不知道是什么。 2. Yann LeCun - AMI Labs (advanced machine intelligence) 查了查资料，总部居然在巴黎！25年11月LeCun离开Meta，26年3月公布融资。 官网介绍的最后一句很有意思：「We share one belief : real intelligence does not start in language. It starts in the world.」 研究方向是JEPA（Joint Embedding Predictive Architecture）模型，因为觉得LLM是有上限的。JEPA简单来说，就是不预测像素或token，而是预测抽象表征，通过观察学习世界的底层规则。 LeCun认为，真实世界在像素层面是不可预测的，LLM只能把未来写出来或画出来，但是不能理解真实的世界。一个杯子从桌子掉下去，抽象表征学习的是杯子在世界里如何行为，不需要知道杯子会碎成几片，忽略不可预测的细节，就像人类知道这个杯子从桌子掉下去会碎，不需要知道杯子具体碎成几片，碎片的精准运动轨迹。 对此，田渊栋有提到一些个人想法：语言能自指，图像不能自指（杯子就是杯子），所以语言上限可能会更高。 Lecun的立场恰恰是相反，语言永远无法触碰到真实的物理世界，缺少对真实世界因果结构的把握。 有点意思啊，我还找到了MIT Technology Review的一篇采访： https://www.technologyreview.com/2026/01/22/1131661/yann-lecuns-new-venture-ami-labs/ LeCun在里面提到了一个Moravec Paradox，已经是我第二次听说这个悖论了！这个悖论说 高级推理只需很少算力，「低级」的感觉运动技能却需要巨量算力。 LLM现在仿佛在语言上已经炉火纯青了，但是有更多其他的能力其实是需要远远更多算力的。上次看到这个悖论是在一篇讲ai为什么需要嗅觉的文章里，里面提到说「像语言和高级推理这样的技能，比起看似简单的运动和感官感知能力，所需的计算量更少。」 - David Silver - Ineffable Intelligence 作为AlphaGo AlphaZero 的主创，26年离开DeepMind。核心研究方向是，纯强化学习，不要预训练，不要模仿，不要人类数据。一个智能体在为它而建的世界不断从自己行动的后果中学习。Alphazero完全不看任何人类棋谱，只和自己对弈从零开始长出超人棋力。 这一立场和Lecun相似，比较抵触海量人类数据，但更为激进，从名字也能感觉出来「ineffable」不可言说的，习得的知识无法用人类语言描述。 Lecun还要从视频中学，Silver连视频都不要，只要环境互动强化学习。 - Mira Murati - Thinking Machine Lab 创始人是前OpenAI CTO。 研究方向是做交互模型（interaction models），把交互视为核心。 如果说前三个lab都是在追问智能是什么，这个研究方向是在赌下一个前沿是智能如何和人协作。 我觉得很有趣，因为这些研究方向都反映了不同底层哲学。 SSI 方向神秘，声明找到了另一座山，会是什么呢？ AMI认为智能不始于语言，而始于世界 Ineffable 觉得智能要超越语言 Thinking Machines重点放在改造人机交互界面。 初步印象感觉下来，AMI和Ineffable都有点反对语言，或者说都非常警惕语言带来的限制。语言是否是人工智能的地基？这是否也是在问，语言是否是人类的本质？ 前三家公司的创始人都表示过对于预训练+海量人类数据 的抵触，而特别是Lecun，要换掉预训练里预测下一个token的任务，建立新的架构，在抽象空间里预测。