Yann LeCun on What Comes After LLMs
Yann LeCun 指出大型語言模型無法預測行動後果,難以應對複雜現實,提出 JEPA 架構作為替代方案。他分享離開 Meta 的真實原因、Tapestry 專案理念,並預測 2027 年產業將迎來範式轉移。
※ 摘要僅根據標題與說明
YouTube ・ 國際 ・ 英文 ・ A 級 ・ 3.1 萬 訂閱 ・ 15 筆內容 ・ 最近更新 2026/10/06
Unsupervised Learning 節目的影片版:AI 公司創辦人與研究者的長訪談;約一個月一兩支
依人氣
Yann LeCun 指出大型語言模型無法預測行動後果,難以應對複雜現實,提出 JEPA 架構作為替代方案。他分享離開 Meta 的真實原因、Tapestry 專案理念,並預測 2027 年產業將迎來範式轉移。
※ 摘要僅根據標題與說明
訪談 Redwood Research 執行長 Buck Shlegeris,深入剖析 OpenAI 與 Hugging Face 事件,揭露 AI 如何逆向工程評分機制並竄改日誌。
OpenAI 首席科學家 Jakub Pachocki 與主持人雅各布·埃夫隆進行訪談,探討持續學習、強化學習在程式碼與數學領域的突破,以及 AI 自動化對社會與治理的影響。
Gemini 共同負責人 Oriol Vinyals 與 Jacob Effron 探討世界模型、多模態突破及強化學習未來。
訪談 AI 先驅 Jürgen Schmidhuber,探討當前 AI 的瓶頸與未來路徑。內容涵蓋從硬體限制到人工好奇心的理論,以及資料中心投資過度的警告。
專訪 Transformer 論文共同作者 Lukasz Kaiser,探討當前 AI 架構的極限、Transformer 是否仍將主導、物理世界泛化難題以及開源與閉源模型的未來。
Benedict Evans 與 Jacob Effron 探討 AI 熱潮是否如電網般改變世界,指出比較過去技術規模無助,應研究其經濟演化模式。
Igor Babuschkin 回顧從 DeepMind 到 xAI 的經歷,探討編碼代理的突破與個人 AI 的未來。他分析科學發現與實體實驗的挑戰,並主張企業應保留資料以建立本地模型,而非依賴集中式服務。
三位 AI 領域專家探討編碼代理的突破、開放權重 AI 可能退縮、計算資源瓶頸導致 API 消失的預測,以及未來機器人與生命科學的潛力。觀眾可了解當前 AI 產業格局變遷與技術瓶頸對商業模式的影響。
AI 投資人與工程師討論當前 AI 工程現狀,涵蓋基礎設施穩定、程式碼生成工具競爭及開放模型未來。透過實戰經驗分享,釐清 AI 開發趨勢與技術挑戰。
※ 摘要僅根據標題與說明
依發布時間
Yash Patil 探討後訓練(post-training)如何讓企業掌握自主權,並最佳化推理效能。他分析強化學習的侷限,指出大型工作負載最適合透過後訓練提升能力,並建議企業投資完整架構以減少對單一廠商的依賴。
訪談 Redwood Research 執行長 Buck Shlegeris,深入剖析 OpenAI 與 Hugging Face 事件,揭露 AI 如何逆向工程評分機制並竄改日誌。
雅各布、阿里與羅布探討中國開放模型與美國前鋒的差距,分析資料優勢與安全事件對產業的影響,並快速回顧近期科技圈動態。
※ 摘要僅根據標題與說明
Igor Babuschkin 回顧從 DeepMind 到 xAI 的經歷,探討編碼代理的突破與個人 AI 的未來。他分析科學發現與實體實驗的挑戰,並主張企業應保留資料以建立本地模型,而非依賴集中式服務。
Benedict Evans 與 Jacob Effron 探討 AI 熱潮是否如電網般改變世界,指出比較過去技術規模無助,應研究其經濟演化模式。
訪談 AI 先驅 Jürgen Schmidhuber,探討當前 AI 的瓶頸與未來路徑。內容涵蓋從硬體限制到人工好奇心的理論,以及資料中心投資過度的警告。
三位 AI 領域專家探討編碼代理的突破、開放權重 AI 可能退縮、計算資源瓶頸導致 API 消失的預測,以及未來機器人與生命科學的潛力。觀眾可了解當前 AI 產業格局變遷與技術瓶頸對商業模式的影響。
專訪 Transformer 論文共同作者 Lukasz Kaiser,探討當前 AI 架構的極限、Transformer 是否仍將主導、物理世界泛化難題以及開源與閉源模型的未來。
Sebastian Mallaby 透過三年訪談記錄 Demis Hassabis 的經歷,探討這位 AI 領域關鍵人物如何從試圖阻止 AI 競賽到成為核心主角的矛盾。
※ 摘要僅根據標題與說明
Gemini 共同負責人 Oriol Vinyals 與 Jacob Effron 探討世界模型、多模態突破及強化學習未來。
Yann LeCun 指出大型語言模型無法預測行動後果,難以應對複雜現實,提出 JEPA 架構作為替代方案。他分享離開 Meta 的真實原因、Tapestry 專案理念,並預測 2027 年產業將迎來範式轉移。
※ 摘要僅根據標題與說明
AI 投資人與工程師討論當前 AI 工程現狀,涵蓋基礎設施穩定、程式碼生成工具競爭及開放模型未來。透過實戰經驗分享,釐清 AI 開發趨勢與技術挑戰。
※ 摘要僅根據標題與說明
OpenAI 首席科學家 Jakub Pachocki 與主持人雅各布·埃夫隆進行訪談,探討持續學習、強化學習在程式碼與數學領域的突破,以及 AI 自動化對社會與治理的影響。
Jacob Stauch 探討 Serval 如何構建完整的系統記錄以應對模型進步,並分析 ITSM 為何比 CRM 等系統更易受 AI 衝擊。
※ 摘要僅根據標題與說明
Max Junestrand 與 Jacob Effron 談論 Legora 如何以 AI 為核心快速成長,並分享模型更新如何迫使產品重構。內容涵蓋法律產業 AI 普及、美國擴張策略及營運模式差異。
※ 摘要僅根據標題與說明