機器學習的未來挑戰(zhàn)

那么，我們要如何做到這一點呢？事實上，我已經(jīng)有點確定了未來幾年人工智能的三大挑戰(zhàn)：

學習世界表征及預測的模型。最好是使用自我監(jiān)督學習。

學習推理：這與心理學的想法相對應，例如丹尼爾-卡漢曼的想法，即系統(tǒng)2與系統(tǒng)1。因此，系統(tǒng)1是對應于潛意識計算的人類行動或行為，是你不假思索做的事情。然后系統(tǒng)2是你有意識地做的事情，你使用你的全部思維能力。而自回歸模型基本上只做系統(tǒng)1，根本就不太聰明。

最后一件事是通過將復雜的任務分解成簡單的任務，分層地推進和規(guī)劃復雜的行動序列。

然后，大約一年前，我寫了一篇愿景論文，我把它放在公開評論中，請你們看看。這基本上是我對我認為人工智能研究在未來10年應該走向的建議。它是圍繞著這樣一個想法，我們可以把各種模塊組織到所謂的認知架構中，在這個系統(tǒng)中的核心是世界模型。

世界模型：通往AGI之路

世界模型是系統(tǒng)可以用來基本上想象一個場景的東西，想象將會發(fā)生什么，也許是其行為的后果。因此，整個系統(tǒng)的目的是根據(jù)它自己的預測，使用它的文字模型，找出一連串的行動，以最小化一系列的成本。成本你可以認為是衡量這個代理人的不適程度的標準。順便說一下，這些模塊中的許多在大腦中都有相應的子系統(tǒng)。成本模塊是我們（大腦里）的世界模型——前額葉皮層，短期記憶對應著海馬體；行為者可能是前運動區(qū)；感知系統(tǒng)是大腦的后部，所有傳感器的感知分析都在這里進行。

這個系統(tǒng)的運作方式是通過它可能被儲存在記憶中的以前對世界的想法，去處理當前世界的狀態(tài)。然后你用世界模型來預測如果世界接著運轉繼會發(fā)生什么，或者它作為代理將采取的行動的后果是什么。這是在這個黃色的行動模塊里面。行動模塊提出一連串的行動。世界模型模擬世界并計算出這些行動的后果會發(fā)生什么。然后計算出一個成本。然后將要發(fā)生的是，系統(tǒng)將優(yōu)化行動序列，以便使世界模型最小化。

所以我應該說的是，每當你看到一個箭頭朝向一個方向時，你也有梯度在向后移動。所以我假設所有這些模塊都是可分的，我們可以通過反向傳播梯度來推斷行動序列，從而使成本最小化。這不是關于參數(shù)的最小化——這將是關于行動的最小化。這是對潛在變量的最小化。而這是在推理時進行的。

因此，有兩種真正的方式來使用該系統(tǒng)。它類似于系統(tǒng)1，我在這里稱之為模式1，基本上它是反應性的。系統(tǒng)觀察世界的狀態(tài)，通過感知編碼器來運行它，生成一個世界狀態(tài)的概念，然后直接通過策略網(wǎng)絡來運行它，而行為者只是直接產(chǎn)生一個行動。

模式2是你觀察世界并提取世界狀態(tài)的表征為0。然后，系統(tǒng)想象出從a[0]到一個很長T（時間）的一系列行動。這些預測的狀態(tài)被送入一個成本函數(shù)，而系統(tǒng)的整個目的基本上是找出行動的序列，根據(jù)預測使成本最小。因此，這里的世界模型在每個時間步驟中重復應用，本質上是從時間T的世界表征中預測出時間T+1的世界狀態(tài)，并想象出一個擬議的行動。這個想法非常類似于優(yōu)化控制領域的人們所說的模型預測優(yōu)化。在深度學習的背景下，有許多使用這個想法來規(guī)劃軌跡工作的模型被提出來過。

這里的問題是我們到底如何學習這個世界模型？如果你跳過這個問題，我們期望做的是一些更復雜的版本，我們有一個分層系統(tǒng)，通過一連串的編碼器，提取世界狀態(tài)的更多和更抽象的表示，并使用不同層次預測器的世界模型，在不同的擾動水平預測世界的狀態(tài)，并在不同的時間尺度上進行預測。在這里的較高層次是指舉例來說，如果我想從紐約去北京，我需要做的第一件事就是去機場，然后搭飛機去北京。因此，這將是計劃的一種高層次的表示。最終的成本函數(shù)可以代表我與北京的距離，比如說。然后，第一個行動將是：去機場，我的狀態(tài)將是，我在機場嗎？然后第二個行動將是，搭飛機去北京。我怎么去機場呢？從，比方說，我在紐約的辦公室。我需要做的第一件事是，到街上去攔一輛出租車，并告訴他去機場。我如何走到街上去？我需要從椅子上站起來，我去出口處，打開門，走到街上，等等。然后你可以這樣想象，把這個任務一直分解到毫秒級，按毫秒級控制，你需要做的就是完成這個規(guī)模。

因此，所有復雜的任務都是以這種方式分層完成的，這是一個大問題，我們今天不知道如何用機器學習來解決。所以，我在這里展示的這個架構，還沒有人建立它。沒有人證明你可以使它發(fā)揮作用。所以我認為這是一個很大的挑戰(zhàn)，分層規(guī)劃。

成本函數(shù)可以由兩組成本模塊組成，并將由系統(tǒng)調制以決定在任何時候完成什么任務。所以在成本中有兩個子模塊。有些是那種內(nèi)在的成本，是硬性規(guī)定的、不可改變的。你可以想象，那些成本函數(shù)將實施安全護欄，以確保系統(tǒng)行為正常，不危險，無毒等等。這是這些架構的一個巨大優(yōu)勢，即你可以在推理的時候把成本進行優(yōu)化。

你可以保證那些標準，那些目標將被強制執(zhí)行，并將被系統(tǒng)的輸出所滿足。這與自回歸LLM非常不同，后者基本上沒有辦法確保其輸出是好的、無毒的和安全的。

楊立昆 X 朱軍 QA 環(huán)節(jié)

朱軍：

你好，LeCun教授。很高興再次見到你。那么我將主持問答環(huán)節(jié)。首先再次感謝你這么早起來做了這個富含思想的研討會報告，并提供了這么多見解?？紤]到時間的限制，我選擇了幾個問題來問你。

正如你在演講中討論到生成型模型有很多問題，大多數(shù)我都同意你的看法，但是關于這些生成式模型的基本原則方面，我還是有一個問題要問你。生成模型就其定義來說，就是會輸出多種的選擇。另外，當我們應用生成模型的多樣性時，創(chuàng)造性是一個理想的屬性。所以我們經(jīng)常樂見用模型來輸出多樣化的結果。這是否意味著實際上像事實錯誤或不合邏輯的錯誤，不一致的地方，對于這樣的模型來說是不可避免的？因為在很多情況下，即使你有數(shù)據(jù)，數(shù)據(jù)也可能包含了矛盾的事實。你也提到了預測的不確定性。所以這是我的第一個問題。那么你對此有什么想法？

楊立昆：

沒錯。所以我不認為自回歸預測模型、生成模型的問題是可以通過保留自回歸生成來解決的。我認為這些系統(tǒng)本質上是不可控的。因此，我認為它們必須被我提出的那種架構所取代，即在推理中包含時間，有一個系統(tǒng)去最優(yōu)化成本和某些標準。這是使它們可控、可引導、可計劃的唯一方法，即系統(tǒng)將能夠計劃出它們的答案。你知道當你在做一個像我剛才那樣的演講時，你會計劃演講的過程，對嗎？你從一個點講到另一個點，你解釋每個點。當你設計演講時，你在腦子里會計劃這些，而并不是（像大語言模型一樣）一個字接一個字地即興演講。也許在較低的（行為）水平上，你是即興創(chuàng)作，但在較高的（行為）水平上，你是在計劃。所以，計劃的必要性真的很明顯。而人類和許多動物有能力進行規(guī)劃的事實，我認為這是智力的一個內(nèi)在屬性。所以我的預測是，在相對較短的幾年內(nèi)--當然是在5年內(nèi)--沒有腦子正常的人會接著用自回歸LLM。這些系統(tǒng)將很快被拋棄。因為它們是無法被修復的。

朱軍：

好的。我想另一個關于控制的問題：在你的設計和框架中，一個關鍵部分是內(nèi)在成本模塊，對嗎？所以它的設計基本上是為了決定代理人行為的性質?？戳四愕墓ぷ魑募械拈_放性觀點后，我和網(wǎng)上的一個評論有共同的擔憂。這個評論說，主要是這個模塊沒有按照規(guī)定工作。也許代理最后[屏幕凍結]了。

楊立昆：

保證系統(tǒng)安全的成本模塊不會是一個微不足道的任務，但我認為這將是一個相當明確的任務。它需要大量仔細的工程和微調，其中一些成本可能要通過訓練獲得，而非僅僅通過設計。這與強化學習中的策略評估（Actor-Crtic結構中的Ctric，對作為語言模型的行為者產(chǎn)出的結果進行評估）或LLM背景下的所謂獎勵模型是非常相同的，是一個會整體考量系統(tǒng)的內(nèi)部狀態(tài)到成本全程的事情。你可以訓練一個神經(jīng)網(wǎng)絡來預測成本，你可以通過讓它接觸大量的——讓它產(chǎn)生大量的輸出，然后讓某人或某物對這些輸出進行評價來訓練它。這給了你一個成本函數(shù)的目標。你可以對它進行訓練，讓它計算出一個小的成本，然后在得到成本之后通過它進行反向傳播，以保證這個成本函數(shù)得到滿足。所以，我認為設計成本這事兒，我認為我們將不得不從設計架構和設計LLM的成本轉向設計成本函數(shù)。因為這些成本函數(shù)將推動系統(tǒng)的性質和行為。與我的一些對未來比較悲觀同事相反，我認為設計與人類的價值觀相一致的成本（函數(shù)）是非常可行的。這不是說如果你做錯一次，就會出現(xiàn)人工智能系統(tǒng)逃脫控制和接管世界的情況。而且我們在部署這些東西之前，會有很多方法把它們設計得很好。

朱軍：

我同意這一點。那么另一個與此相關的技術問題是，我注意到你通過分層的JEPA設計來模型，這其中幾乎所有的模塊都是可微的，對嗎？也許你可以用反向傳播的方法來訓練。但是你知道還有另外一個領域，比如說符號邏輯，它代表著不可微的部分，也許在內(nèi)在成本模塊中能以某種形式制定我們喜歡的約束條件，那么，你是否有一些特別的考慮來連接這兩個領域，或者干脆就忽略符號邏輯的領域？

楊立昆：

對。所以我認為是的，現(xiàn)實中是有一個神經(jīng)+符號架構的子領域，試圖將可訓練的神經(jīng)網(wǎng)絡與符號操作或類似的東西結合在一起。我對這些方法非常懷疑，因為事實上符號操作是不可微的。所以它基本上與深度學習和基于梯度的學習不兼容，當然也與我所描述的那種基于梯度的推理不兼容。所以我認為我們應該盡一切努力在任何地方使用可微分的模塊，包括成本函數(shù)?，F(xiàn)在可能有一定數(shù)量的情況下，我們可以實現(xiàn)的成本（函數(shù)）是不可微的。對于這一點，執(zhí)行推理的優(yōu)化程序可能必須使用組合型的優(yōu)化，而不是基于梯度的優(yōu)化。但我認為這應該是最后的手段，因為零階無梯度優(yōu)化比基于梯度的優(yōu)化要少很多。因此，如果你能對你的成本函數(shù)進行可微調的近似，你應該盡可能地使用它。在某種程度上，我們已經(jīng)這樣做了。當我們訓練一個分類器時，我們想要最小化的成本函數(shù)并不完全準確。但這是不可微分的，所以我們使用的是一個可微分的成本代理。是系統(tǒng)輸出的成本熵與所需的輸出分布，或像e平方或鉸鏈損失的東西。這些基本上都是不可微分的二進制法則的上界，我們對它不能輕易優(yōu)化。因此還是用老辦法，我們必須使用成本函數(shù)，它是我們實際想要最小化的成本的可微調近似值。

朱軍：

我的下一個問題是，我的靈感來自于我們的下一位演講者Tegmark教授，他將在你之后做一個現(xiàn)場演講。實際上我們聽說你將參加一場關于AGI的現(xiàn)狀和未來的辯論。由于我們大多數(shù)人可能無法參加，你能否分享一些關鍵點給我們一些啟發(fā)？我們想聽到一些關于這方面的見解。

楊立昆：

好的，這將是一場有四位參與者的辯論。辯論將圍繞一個問題展開，即人工智能系統(tǒng)是否會對人類造成生存風險。因此，馬克斯和約書亞本吉奧將站在 "是的，強大的人工智能系統(tǒng)有可能對人類構成生存風險 "的一方。然后站在 "不"的一方的將是我和來自圣菲研究所的梅蘭妮-米切爾。而我們的論點不會是AI沒有風險。我們的論點是，這些風險雖然存在，但通過仔細的工程設計，很容易減輕或抑制。我對此的論點是，你知道在今天問人們，我們是否能保證超級智能系統(tǒng)對人類而言是安全，這是個無法回答的問題。因為我們沒有對超級智能系統(tǒng)的設計。因此，在你有基本的設計之前，你不能使一件東西安全。這就像你在1930年問航空工程師，你能使渦輪噴氣機安全和可靠嗎？而工程師會說，"什么是渦輪噴氣機？" 因為渦輪噴氣機在1930年還沒有被發(fā)明出來。所以我們有點處于同樣的情況。聲稱我們不能使這些系統(tǒng)安全，因為我們還沒有發(fā)明它們，這有點為時過早。一旦我們發(fā)明了它們--也許它們會與我提出的藍圖相似，那么就值得討論。"我們?nèi)绾问顾鼈儼踩?quot;，在我看來，這將是通過設計那些使推理時間最小化的目標。這就是使系統(tǒng)安全的方法。顯然，如果你想象未來的超級智能人工智能系統(tǒng)將是自回歸的LLM，那么我們當然應該害怕，因為這些系統(tǒng)是不可控制的。他們可能會逃脫我們的控制，胡言亂語。但我所描述的那種類型的系統(tǒng)，我認為是可以做到安全的。而且我非?？隙ㄋ鼈儠?。這將需要仔細的工程設計。這并不容易，就像在過去七十年里，使渦輪噴氣機變得可靠并不容易一樣。渦輪噴氣機現(xiàn)在令人難以置信的可靠。你可以用雙引擎飛機跨越大洋，而且基本上具有這難以置信的安全性。因此，這需要謹慎的工程。而且這真的很困難。我們大多數(shù)人都不知道渦輪噴氣機是如何設計成安全的。因此，想象一下這事情這并不瘋狂。弄清楚如何使一個超級智能的人工智能系統(tǒng)安全，也是很難想象的。

朱軍：

好的。謝謝你的洞察和回答。同樣作為工程師，我也再次感謝你。非常感謝。

楊立昆:

非常感謝你。