Meta首席科學家、深度學習先驅揚·勒昆（Yann LeCun）表示，他認為目前的人工智慧系統還需要幾十年的時間才能達到某種意義上的感知能力，具備常識的人工智慧系統可以超越僅僅以創造性的方式總結大量文本的能力。

他的觀點與英偉達截然相反

英偉達首席執行官黃仁勳最近表示，人工智慧將在不到五年的時間內與人類“相當有競爭力”，在許多腦力密集型任務上勝過人類。

「我認識黃，」勒昆最近在Facebook母公司Meta基礎人工智慧研究團隊成立10週年紀念活動上表示。勒昆說英偉達CEO可以從人工智慧熱潮中收穫良多。“這是一場人工智慧’戰爭’，他在提供’武器’。”

″（如果）你認為人工智慧很流行，你就得買更多的GPU，」勒昆在談到試圖開發人工通用智慧的技術人員時說，這種人工智慧與人類的智慧水平相當。只要OpenAI等公司的研究人員繼續追求AGI，他們就需要更多英偉達的電腦晶片。

勒昆表示，社會更有可能在人類層級的人工智慧出現前幾年出現「貓級」或「狗級」的人工智慧。科技業目前對語言模型和文字數據的關注，不足以創造出研究人員幾十年來一直夢想的那種先進的類人人工智慧系統。

「文本是一個非常糟糕的資訊來源，」勒昆解釋說，人類可能需要2萬年才能閱讀用於訓練現代語言模型的文本量。「用相當於兩萬年的閱讀材料來訓練一個系統，它們仍然不明白，如果A和B相同，那麼B就和A相同。”

「世界上有很多非常基本的東西，他們只是沒有通過這種訓練，」勒昆說。

因此，勒昆和Meta AI的其他高管一直在大力研究如何自訂用於創建ChatGPT等應用程式的所謂轉換器模型，以處理各種數據，包括音訊、影像和視訊資訊。他們認為，這些人工智慧系統越能發現這些不同類型的數據之間可能存在的數十億個隱藏的相關性，它們就越有可能實現更神奇的壯舉。

Meta的一些研究包括一種軟體，可以幫助人們在戴著該公司的Project Aria增強現實眼鏡時更好地打網球，這種眼鏡將數位圖形融入現實世界。高層展示了一個演示，一個戴著AR眼鏡打網球的人能夠看到視覺提示，教他們如何正確地握住網球拍，並以完美的方式擺動手臂。為這類數位網球助理提供動力所需的人工智慧模型，除了文字和音訊之外，還需要混合三維視覺數據，以防數位助理需要說話。

這些所謂的多模式人工智慧系統代表了下一個前沿領域，但它們的發展並不便宜。隨著Meta和Google母公司Alphabet等越來越多的公司研究更先進的人工智慧模型，英偉達可能會獲得更大的優勢，尤其是在沒有其他競爭對手出現的情況下。

未來的人工智慧硬體

英偉達一直是生成式人工智慧的最大捐助者，其昂貴的圖形處理單元已成為用於訓練大規模語言模型的標準工具。Meta依賴16000個Nvidia A100 GPU來訓練它的Llama AI軟體。

有媒體問，隨著Meta和其他研究人員繼續開發這類複雜的人工智慧模型，科技業是否需要更多的硬體供應商。

「它不需要它，但它會很好，」勒昆回答，並補充說GPU技術仍然是人工智慧的黃金標準。

不過，他說，未來的電腦晶片可能不會被稱為GPU。

勒昆也對量子運算持懷疑態度，微軟、IBM和谷歌等科技巨頭都投入了大量資源。Meta以外的許多研究人員認為，量子電腦器可以在資料密集型領域（如藥物發現）取得巨大進步，因為它們能夠使用所謂的量子位元執行多次計算，而不是現代計算中使用的傳統二進位比特。

但勒昆對此表示懷疑。

「你用量子計算解決的問題數量，你也可以用經典電腦更有效地解決，」勒昆說。

「量子運算是一個迷人的科學主題，」勒昆說。目前還不太清楚「實際意義和製造真正有用的量子電腦的可能性」。

Meta高級研究員、前技術主管 Mike Schroepfer）對此表示贊同，他每隔幾年就會對量子技術進行評估，並認為有用的量子機器「可能會在某個時候出現，但它的時間跨度太長，與我們正在做的事情無關」。

「十年前我們成立人工智慧實驗室的原因是，很明顯，這項技術將在未來幾年的時間框架內商業化，」施羅普夫說。