图灵奖得主杨立昆沉寂数月后发声：AI安全是工程问题，不必恐慌“失控”

划重点：

• 自2023年夏季以来，Llama模型家族已被下载约8亿次，这个数字令人震惊。
• 让AI的行为与人类价值观保持一致，更像是一个工程与设计问题，就像当年通过工程手段让喷气式飞机安全飞行一样。
• 杨立昆提出“目标驱动架构”，核心思路是为系统设定清晰的目标和必要的安全边界，使其在既定范围内执行任务。
• AI可能像15世纪的印刷术一样，引发一场新的文艺复兴，放大人类智慧。
• 年轻人不要被负面的、耸人听闻的故事吓倒；要认识到自己的力量，主动塑造自己想要的未来。

2025年7月1日，Meta正式宣布成立 Meta超级智能实验室（Meta Superintelligence Labs），以加速通用人工智能（AGI）的研发进程。在这一重组过程中，马克·扎克伯格展现出对AI顶尖人才的强烈渴求，他主导的一系列高调挖角行动迅速震动了整个科技行业。然而，在此过程中，长期担任Meta基础AI研究实验室（FAIR）首席科学家的杨立昆（Yann LeCun）却逐渐被"边缘化"，淡出了公众视野。

沉寂数月后，这位被誉为“人工智能教父”之一的科学家，在法国巴黎接受一位人工智能专家（也是硅谷一家初创公司的联合创始人、首席技术官）——芭芭拉·罗萨里奥（Barbara Rosario）的专访，并发布了一段视频，深入探讨AI研究方向、行业竞争以及安全争议。

杨立昆现兼任纽约大学教授，曾与杰弗里·辛顿（Geoffrey Hinton）和约书亚·本吉奥（Yoshua Bengio）因深度学习的开创性贡献共同获得图灵奖，三人被外界并称为“人工智能三大教父”。杨立昆长期坚信神经网络的潜力，主张机器无需显式编程即可通过学习掌握技能。这一理念如今已成为现代AI的基石，但在早期曾长期被忽视。

近四十年前，杨立昆与同事探索的神经网络技术属于当时的小众领域。如今，随着这些技术被广泛应用，AI领域正经历深刻变革。杨立昆的职业生涯始于法国索邦大学，博士论文提出了早期反向传播算法，随后在加拿大多伦多与辛顿合作开展博士后研究。1988年加入贝尔实验室后，他在字符识别等任务上取得突破，推动了支票识别系统等技术的产品化应用。

2003年，杨立昆在纽约大学重启神经网络研究，并将“神经网络”更名为“深度学习”。此后，深度学习在语音识别领域取得重大成功，迅速成为主流技术。

如今，巴黎已成为欧洲AI与高科技初创企业的中心，受益于本地人才储备和高度集中的创新生态。杨立昆指出，AI发展的竞争并非地区间的较量，而是开放研究与开源生态对封闭专有系统的对抗。Meta开源的Llama模型家族自2023年夏季以来已被下载约8亿次。他认为，开放研究加速了技术进步，使更多公司和个人从中受益。

作为法国科学院院士和图灵奖得主，杨立昆获得过包括法国荣誉军团骑士勋章在内的多项殊荣。他提出的“目标驱动架构”为AI系统设定了明确目标和安全防护机制，以确保系统行为可控。他反驳了“智能必然导致支配欲”的观点，强调AI安全是工程问题，可通过合理设计解决。即使出现“失控AI”，社会也能通过更先进的AI技术进行抵御和风险消除。

他热爱音乐（古典、巴洛克、爵士等）和手工创作（造船、造飞行器），并对法国文化和美食充满怀念。他希望AI能像15世纪印刷术引发文艺复兴一样，极大地增强人类智慧，并激励年轻人积极投身创新，不被负面叙事所束缚。

以下为访谈内容精选版：

主持人：你是法国人，曾在索邦大学学习。在博士论文中，你提出了神经网络反向传播算法的早期形式。你算是这一领域的先驱吗？

杨立昆：我在本科期间就对机器学习产生了浓厚兴趣。那时在法国几乎没人研究神经网络。我读过约翰·霍普菲尔德（John J. Hopfield，现任美国普林斯顿大学教授）、辛顿和特伦斯·谢诺夫斯基（Terry Sejnowski，美国神经科学家）的论文，这些研究在人工神经网络和计算神经科学领域具有深远影响，并为后来获得图灵奖等重要科学奖项奠定了基础。我当时非常想结识他们，因为他们理解如何训练多层神经网络，而这是上世纪60年代末未被解决的难题。

1985年冬，我在一次研讨会上遇到了谢诺夫斯基。他回到美国后告诉辛顿，法国有个年轻人也在做类似的研究。几个月后，辛顿来巴黎参加会议，读了我用法语写的论文。这篇论文的数学部分十分清晰，他意识到其与神经网络研究密切相关，因此邀请我在毕业后前往多伦多做博士后研究。

主持人：深度学习是在你在多伦多攻读博士后期间诞生的吗？

杨立昆：那时我们称之为“神经网络”，而不是“深度学习”。后来我加入了贝尔实验室，短短几个月就在数据集上取得了当时的最佳结果。我们开发了一个演示系统，可以通过摄像头读取纸上的字符，并将其应用于支票识别，比如在ATM机上自动读取支票金额。但当时要说服别人接受这项技术很困难，因为不同电脑、操作系统和编程语言之间难以复现我们的成果。

主持人：是什么让深度学习成为主流技术的？

杨立昆：2003年，我成为纽约大学教授，重启了神经网络研究计划。当时神经网络在学术界名声不佳，我们开始改用“深度学习”这个名称。真正的突破出现在本世纪10年代末的语音识别领域。辛顿派他的学生到微软、谷歌和IBM实习，让他们用深度学习替换语音识别引擎中的声学建模部分，结果都显著优于原有系统。18个月内，几乎所有智能手机的语音识别系统都采用了深度学习技术。

主持人：欧洲和法国能在AI发展上赶上美国和中国吗？

杨立昆：我不认为这是一个地域之间的竞争，而应看作开放研究和开源社区与封闭专有系统之间的较量。比如，Meta的开源基础模型Llama第一版诞生于巴黎，而Meta是一家美国公司，这意味着美国领先还是巴黎领先？这个问题并不重要。关键在于，开放研究和开源社区的进步速度更快。

主持人：你曾说过，政府不应允许少数公司控制公民的数字信息。作为企业研究员和独立科学家，你会感到两者之间存在冲突吗？

杨立昆：我同时在纽约大学任教和在Meta担任首席科学家。Meta非常支持开放研究，我们的成果都可以公开。我不觉得有太大冲突。现在，包括初创公司和大公司在内的很多公司，都在转向使用Llama等开源模型。自2023年夏季以来，Llama模型家族已被下载约8亿次，这个数字令人震惊。

主持人：获得图灵奖后，你的工作重点和生活发生了哪些变化？

杨立昆：图灵奖让我获得了一些影响力。现在当我说某件事有趣或不有趣时，会有更多人倾听。能与我的朋友辛顿和本吉奥一起获奖，感觉特别棒。

主持人：AI社区如何打造高效且符合社会价值的系统？

杨立昆：这是一个复杂的问题，但并不像有些人认为的那样是不可化解的危机。有人担心，一旦系统的智能水平超过人类，就会失去控制。我认为这种看法并不必然成立。让AI的行为与人类价值观保持一致，更像是一个工程与设计问题，就像当年我们通过工程手段让喷气式飞机安全飞行一样。

我提出了“目标驱动架构”（Objective-Driven Architecture），核心思路是为系统设定清晰的目标和必要的安全边界，使其在既定范围内执行任务。智能本身并不会必然导致支配欲，这一点在人类社会中也有类似例子——并非所有聪明人都选择担任领导职位。

即便出现缺乏安全防护的AI系统，社会也能够通过研发更先进、具备完善安全机制的AI来抵消其潜在风险。从长远来看，社会会倾向于选择能够服务人类利益、与价值观契合的系统。

主持人：你认为AI将为社会带来怎样的变化？

杨立昆：AI可能像15世纪的印刷术一样，引发一场新的文艺复兴，放大人类智慧。这是一个值得乐观面对的前景，我希望能激励人们积极参与。

主持人：你在社交媒体上都做些什么？

杨立昆：我分享音乐、艺术以及有趣的动物视频，因为我对动物的智慧很好奇。我们常认为动物不聪明，但我们是否足够聪明去理解动物的智慧？

主持人：你现在住在纽约，最怀念法国的什么？

杨立昆：我怀念巴黎、家人、朋友，还有法国的文化和美食。我有四分之一阿尔萨斯血统，我的祖母来自阿尔萨斯，她1900年出生时那片地区属于德国。她说话带着浓重的德国口音，会做传统的阿尔萨斯酸菜火腿。这家餐厅的传统阿尔萨斯菜肴让我有些怀旧。

主持人：有什么让人意外的爱好吗？

杨立昆：我有很多爱好。我喜欢航海，这是从我父亲那里继承的。他是机械工程师，也是个发明家，这影响了我和哥哥都成为科学家。我们喜欢建造各种飞行器，比如飞机和直升机，飞上去，也会摔下来。我们喜欢造一些看似不可能飞的东西，这让我学会了不少工程知识。我还热爱音乐，品味很杂，喜欢古典音乐，尤其是巴洛克音乐，也喜欢斯特拉文斯基的现代古典音乐，以及50、60年代的爵士乐和当代爵士。

主持人：你对年轻人的寄语是什么？

杨立昆：不要被负面的、耸人听闻的故事吓倒，那些故事往往是为了吸引注意力或阻碍行动。相反，要认识到自己的力量，主动塑造你想要的未来。不要让任何人告诉你，你无法参与下一次重大创新，或小项目没有价值。只要是你相信且重要的想法，哪怕看似简单，也能改变世界。未来由你们来塑造，不是我，不是Meta，也不是当权者，而是你们。

本文来自“腾讯科技”，编译：无忌，编辑：海伦，36氪经授权发布。