在人工智能领域，安东尼·马库斯（Gary Marcus）与Yann LeCun之间的争论引发了广泛的关注与讨论。作为AI界的两位重量级人物，马库斯的见解与LeCun形成了鲜明的对比，后者一度被视为“深度进修之父”，而马库斯则是深度进修的批判者，被称为“职业批判家”。今天，我们就来聊聊这场“安东尼马库斯vs疯子”的对决。

开门见山说，说到马库斯的见解，他对深度进修的质疑并不是空穴来风。根据他的见解，深度进修存在诸多缺陷，比如数据效率低、缺乏迁移能力以及对因果关系的领会不足。这些难题使得他从一开始就对现有的生成式大语言模型（LLM）持否定态度。他常常举例，人类在面对生活中的常识时，并不需要海量的数据和阅读量，而是通过直观的逻辑推理，比如“把手伸进火中会烫”。这个例子恰恰体现了人类认知与当前深度进修模型之间的巨大差距。

在过去的几十年里，LeCun的成就不可否认，他在卷积神经网络（CNN）方面的贡献让他赢得了图灵奖。然而，马库斯认为LeCun有意无意地忽视了众多前辈的努力。他甚至指出，LeCun宣传的许多学说和概念，其实早在几十年前就已经被其他学者提出过。比如，LeCun所谓的“全球模型”学说，其实在1950年代就已有先行者探讨，显得颇为不创新。

从经验来看，争论虽然热烈，但其中的见解需引起重视。AI领域的进步既需要新鲜的学说创新，也需要对已有学说的批判与反思。马库斯明确表示，当前的LLM没有真正的领会力，而这一点在他和LeCun的对话中尤为突出。LeCun曾在社交媒体上称马库斯为“只会抱怨不会写代码的心理学家”，这无疑展现了两人之间的矛盾与对立。

与此同时，LeCun在近年来的AI进步中似乎逐渐转向了对机器进修的支持，甚至表现出对LLM的重新审视。他曾在多个场合提到，未来的AI进步需要结合多种模型，而不仅仅依赖深度进修。William E. Carpenter的研究更是佐证了这种思路：人类的智能并非单一来源，而是多种认知能力的综合体现。

在讨论中，我个人倾向于相信，单一的见解并不能解决我们面临的复杂难题。虽然马库斯的批评很有道理，但深度进修的成果相对而言也不可忽视。尤其是在一些特定应用领域，如图像识别等，深度进修确实展现出了强大的能力。在之后的进步中，我们需要集中各家之长，结合不同技巧的优势，以求更全面的解决方案。

可以说，安东尼马库斯与疯子LeCun之间的争论，不仅是两位学者的见解碰撞，更是未来AI进步路线的一次重要探讨。在这种复杂的学术环境中，我们有必要保持开放的心态，鼓励不同见解之间的交流与融合，以推动AI技术的不断进步。

我相信，正是这种相互影响与碰撞，才会使我们走向更深层次的领会。在科技的道路上，没有完全的对与错，我们唯一能做的，就是保持好奇心，勇于探讨与争辩。希望未来能看到更多像马库斯与LeCun这样的讨论，让我们在领会AI的经过上，越走越远。