LeCun vs DeepMind：LLM 能解奧數卻不會倒水，算理解嗎？

能通過律師考試卻不會倒水，LLM 到底算不算理解？LeCun 用 AI 60 年歷史四次循環說不算，Brown 用國際數學奧林匹克成績反駁。這場辯論精準定位了 AI 社群最核心的分歧。 ⭐ 文章深度讀：拆解了 LeCun 歷史循環論和 Brown 的 IMO 反證，找出真正分歧 → https://heymaibao.com/lecun-deepmind-llm-understanding-debate/ ⚡ 章節重點 LLM 到底懂不懂 00:00 LeCun：三次迴圈 每次都錯 00:35 Brown：解出新數學題就是理解 02:20 天花板之爭：這條路走得完嗎 03:41 他們根本不在爭同一件事 04:43 📝 懶人包 ∙ LeCun 認為 LLM 的理解是表層的，能通過考試卻做不到四歲小孩能做的事，因為缺乏對現實世界的感知和互動。他用 AI 60 年歷史的四次循環論證：每一代都以為自己找到通往通用智慧的門票，每一代都錯了。 ∙ Brown 反駁：LLM 在國際數學奧林匹克解出全新題目，得分超越除前 12 名以外的所有人類參賽者。透過機械可解釋性可以看到模型內部自發形成計算電路，這不是死背，是理解。 ∙ 兩人的核心分歧不在 LLM「有多厲害」，而在 next-token prediction 這條路的天花板。LeCun 認為需要全新架構 (世界模型)；Brown 認為規模化還沒到極限，一旦 LLM 能自我改進就是新紀元。 ∙ 我的觀察：兩人其實不在同一個定義框架下辯論。LeCun 用「grounding」定義理解，認為需要身體感知和世界互動；Brown 用行為和內部機制定義理解，能做到就是懂。這不是「誰對誰錯」的問題，而是 AI 社群對「什麼算理解」至今沒有共識。 📚 參考資料 Do LLMs Understand? AI Pioneer Yann LeCun Spars with DeepMind's Adam Brown. → https://www.youtube.com/watch?v=ykfQD1_WPBQ