当大语言模型（LLM）成为通往AGI的主流路径时，业界顶尖学者却提出了不同见解。杨立昆、李飞飞等大佬的观点，揭示了AGI实现的更多可能性，挑战了当前的技术范式，为思考人工智能的未来提供了全新的视角。
智能速览
杨立昆认为大语言模型路线难以实现真正的通用智能。
他推崇基于世界模型的“机器直觉”路线，如JEPA架构。
李飞飞提出的“空间智能”强调了3D视觉对理解世界的重要性。
有观点将人类智能划分为符号处理层与直觉感知层，解释了路线分歧。
Hinton虽对LLM有贡献，但其思考重心已不在此。
精华内容
当全球的目光都聚焦于大语言模型的惊人能力时，一些AI领域的奠基人却发出了不同的声音。他们对通往AGI的道路有着更深层次的思考，这不仅是技术路线的分歧，更是对智能本质的追问。
主流的喧嚣与隐忧
当前，以ChatGPT为代表的大语言模型（LLM）无疑是AI领域的明星。它们通过处理海量文本数据，掌握了惊人的语言生成和知识推理能力，被视为实现AGI的最热门路径。然而，这种基于token预测的模式，本质上是在一个符号化的世界里进行操作，缺乏对物理世界真实、直观的理解。
这种“知其然不知其所以然”的特性，让一些学者对其能否通向真正的智能感到担忧。
杨立昆的直觉革命
图灵奖得主杨立昆是LLM路线最著名的质疑者之一。他认为，仅靠语言训练无法让AI建立起对世界的基本模型。他多次强调，现有AI技术甚至难以实现一只狗的智能水平。
为此，他力推基于“世界模型”的架构，例如其团队提出的JEPA（联合嵌入预测架构）。这种方法的核心是让AI通过观察和预测来学习世界运行的规律，从而发展出一种类似动物本能的“机器直觉”，而非单纯依赖语言符号。
李飞飞的空间维度
与杨立昆的观点相呼应，另一位顶尖学者李飞飞则从视觉角度提出了“空间智能”的概念。她认为，智能行为源于在3D空间中与环境的互动。智能体需要理解物体的形状、位置、关系以及物理规律。
这一观点强调了视觉、感知和行动在智能形成中的基础性作用，为跳出纯语言符号的框架，构建能够与现实世界交互的智能体提供了重要思路。
智能的双层解读
有趣的是，一个心理学观点为这场技术路线之争提供了理论注脚。该观点认为，人类智能包含两个层次：一个是基于语言符号的有意识层次，负责逻辑推理和分析；另一个是基于感官形象的无意识层次，即直觉。
从这个角度看，大语言模型或许只是在模拟智能的符号层，而杨立昆所追求的“机器直觉”和李飞飞的“空间智能”，则是在尝试构建更底层的直觉层次，二者缺一不可。
通往AGI的道路并非只有一条。LLM的符号智能与杨立昆、李飞飞等人倡导的世界模型、空间智能，如同两条探索不同维度的路径。未来的突破或许不会来自单一路径的胜利，而在于它们的融合与互补，最终才能拼凑出通用智能的完整图景。
关键评论
有观点将人类智能划分为符号处理层与直觉感知层，这可能揭示了不同AI路线背后的理论分歧。
网友提及，Hinton虽对LLM有贡献，但其思考重心已不局限于当前技术路线的争论。
