一場關于智能本質的激烈辯論在科技界掀起了波瀾。圖靈獎得主、AI領域知名學者Yann LeCun與諾貝爾獎得主、谷歌DeepMind首席執行官哈薩比斯，就“智能的本質”這一話題展開了直接交鋒，引發了廣泛關注。

事件的起因源于LeCun在接受采訪時發表的言論。他明確表示，所謂“通用智能”根本不存在，這一概念毫無意義。他認為，人類智能實際上是高度專業化的，盡管在現實世界中表現出色，如認路、導航和社交等，但在某些領域，如國際象棋，人類的表現卻相對較差。LeCun指出，人類之所以認為自己具備“通用”智能，只是一種錯覺，因為我們只能理解和處理有限的問題。

這一觀點迅速遭到了哈薩比斯的反駁。哈薩比斯認為，LeCun混淆了“通用智能”和“全能智能”的概念。他強調，大腦是宇宙中已知最復雜、最精妙的事物，具有極強的通用性。雖然任何實際系統在特定目標分布周圍都會存在一定程度的專門化，但從理論上講，只要給予足夠的時間、內存和數據，圖靈機就能學習任何可計算的內容。哈薩比斯還指出，人類大腦和AI基礎模型正是近似的圖靈機，具備實現通用智能的潛力。

哈薩比斯進一步闡述了他的觀點，認為衡量智能的兩個關鍵標準是通用性和學習能力。他以1997年“深藍”戰勝國際象棋冠軍卡斯帕羅夫為例，指出盡管“深藍”在特定領域表現出色，但它無法處理簡單的井字游戲，顯示出程序的局限性。相比之下，人類大腦的潛力令人驚嘆，不僅能發明國際象棋，還能推動現代文明的進步。

隨著辯論的深入，LeCun再次回應，指出分歧主要在于用詞。他反對用“通用”來描述人類水平的智能，因為人類實際上是高度專門化的。他強調，理論完備并不等同于實際通用，真正的智能必須在有限資源下高效運作。為了支持自己的觀點，LeCun還舉了兩個例子：一是兩層神經網絡在理論上可以逼近任何函數，但在實踐中需要大量神經元；二是視神經的信號處理能力有限，只能實現極小比例的布爾函數。

這場辯論不僅吸引了科技界的目光，也引發了公眾的廣泛討論。有網友指出，爭論的核心可能在于用詞的不同，而拋開用詞不談，兩位學者實際上在探討不同的問題：LeCun強調“我們是什么”，而哈薩比斯則關注“我們能成為什么”。這一分歧也指向了一個更深層次的議題：如何實現通用人工智能（AGI）。

在探討AGI的實現路徑時，兩位學者都不約而同地提到了“世界模型”。LeCun計劃創業，專注于世界模型的研究，他認為世界模型的關鍵在于掌握控制理論和認知科學，而非渲染精美的像素。他強調，模型應專注于捕捉用于決策的世界狀態，而非浪費算力生成像素。而哈薩比斯也表示，世界模型是谷歌DeepMind接下來的重點，他描述的世界模型能夠理解世界運行機制中的因果關系和協同效應，是通往AGI的關鍵一步。

盡管兩位學者對世界模型的理解和實踐方向存在差異，但他們的觀點都為AGI的研究提供了新的思路。這場辯論不僅展現了科技界對智能本質的深入思考，也預示著AI領域未來的發展方向。隨著爭論的持續，人們期待看到更多關于智能本質的新觀點和新發現。