在1月8日于拉斯维加斯举行的CES活动中，Meta公司首席人工智能科学家、图灵奖得主雅恩·勒康（Yann LeCun）对当前的人工通用智能（AGI）定义提出了批评，并指出仅仅依靠文本驱动的大规模语言模型（LLM）的持续扩展是远远不够的。

勒康对OpenAI首席执行官Sam Altman最近帖子中的言论表示了不同意见，Altman声称其团队已经掌握了构建AGI的方法，并正在向超越超级智能的目标迈进。勒康明确表示，尽管他更倾向于使用“人类水平智能”这一术语，但现有的大型语言模型还远远达不到这一水平。

他强调：“没有任何迹象表明，我们今天所了解的自回归LLM能够达到人类智能的水平。这是不可能的。”勒康指出，LLMs的工作原理是通过查看所有可能的文本来完成句子，并选择最佳文本，但人脑的功能远不止于此，它涉及各种感官的综合运用。

此外，勒康还提到，目前的人工智能系统大多属于“狭义人工智能”，只能在某些特定任务上表现出色，如下棋或医疗诊断。一旦条件稍有变化，这些系统就可能失效。他举例说：“人们常说，‘我们现在有了能在下棋上打败我们的系统，所以很快它们就会像我们一样聪明。’但实际上，我们已经有了可以开车穿越沙漠的系统，但13年过去了，我们仍然没有实现第5级的自动驾驶汽车。”

勒康进一步指出，即使通过组装各种系统，我们能够创造出能够完成很多事情的系统，但这并不意味着它们就具备了人类水平的智能。它们缺乏规划、推理以及理解物理世界的能力。他强调：“AI系统可能擅长认知任务，但它们无法执行像水暖工一样的物理任务。这需要对物理世界和物体的深刻理解和操控。”

勒康还提到，LLMs的性能一直通过扩展获得提升，包括对它们进行越来越大规模的数据训练。但现在，这种扩展的规律已经达到了收益递减的点，扩展已经饱和。即使继续通过扩展改善LLMs，也是“非常昂贵的”，这也是为什么尽管OpenAI每月向ChatGPT Pro收费200美元，但在这方面“并不赚钱”。

然而，勒康对于基于人工智能的机器人的未来还是看到了希望的曙光。他提到，生成世界模型的兴起为机器人提供了训练的虚拟环境，这相比在真实世界中训练机器人更具成本效益且风险更小。Nvidia首席执行官黄仁勋发布的Cosmos平台以及Google DeepMind组建的新团队都是这一趋势的体现。

当被问及类似于“ChatGPT时刻”的机器人何时会到来时，勒康表示，随着生成世界模型的出现，可能还需要三到五年的时间。但他也强调，尽管AI代理人可能会变得普遍，因为人们已经习惯了各种类型的AI助手帮助他们工作，但这些助手将是针对特定任务进行训练的机器人，而不是真正智能的、能够从头开始执行活动的AI助手。