LeCun4岁儿童视觉输入堪比AI20万年阅读量

Meta首席AI科学家Yann LeCun近日在社交平台上详细阐述了人类视觉信息处理与大语言模型（LLM）训练数据量的对比。

LeCun指出，学习过程必然需要一定程度的数据冗余。冗余度越高，从数据中学习到的结构就越多。他强调，仅考虑压缩后的比特数是不合理的。

人眼的信息处理机制：

人眼约有6000万个光敏感器

四层透明神经元将原始传感器数据压缩至100万根视神经纤维

这种60:1的压缩率减少了过度冗余，同时保证视神经穿过视网膜的小尺寸

LeCun估计，压缩后每根视神经纤维的带宽约为每秒0.5字节。据此计算：

4岁儿童累计视觉输入数据量约为5.76e13字节

训练20万亿个token、每个token 3字节的LLM，总数据量为6e13字节

人类需要20万年的阅读时间才能处理这么多文本数据

LeCun总结道，4年时间内儿童接收的视觉数据量，相当于人类20万年的阅读量。这一对比凸显了人类视觉系统的信息处理能力。