AI 教父 Hinton 中國首講：人類或許就是大語言模型，而 AI 正走向 “永生”

　　焦點。這位深度學習領域的先驅不僅分享了大模型技術的演進脈絡，更抛出震撼觀點 ——“人類理解語言的方式與大語言模型幾乎一緻，人類或許就是一種大語言模型”。緊随其後，MiniMax 創始人闫俊傑則以 “每個人的人工智能” 為主題，探讨了通用人工智能(AGI)的普惠化路徑。兩場演講從技術本質與社會價值兩個維度，為 AI 的未來發展提供了深刻啟示。

　　Geoffrey Hinton：從符号主義到連接主義，AI 正在複刻人類智能

　　作為深度學習的奠基人，Hinton 的演講從 AI 發展的兩種範式切入，揭開了大模型技術的進化邏輯。

　　兩種智能範式的碰撞與融合

　　60 年來，AI 發展始終存在兩條路徑：

　　符号主義：通過預設規則操作符号實現推理，強調邏輯的顯式表達;

　　連接主義：受生物智能啟發，通過神經連接的動态變化學習知識，更注重 “從數據中自主習得規律”。

　　Hinton 回憶，1985 年他曾構建一個小型模型，嘗試将兩種範式結合：“每個詞被拆解為多維特征，模型不存儲完整句子，而是通過預測下一個詞來學習詞彙間的語義關聯。” 這一思路為後來的自然語言處理奠定了基礎 ——20 年後，Transformer 架構與 GPT 模型正是将這一邏輯規模化，通過海量數據訓練，讓模型在多層神經網絡中組合 “語義特征”，實現語言的生成與理解。

　　“樂高積木” 與 “蛋白質折疊”：語言理解的共通邏輯

　　Hinton 用兩個精妙比喻闡釋了人類與 AI 在語言處理上的相似性：

　　樂高積木：每個詞如同多維度積木，其 “連接點” 對應語義特征，詞與詞的匹配方式決定了語言意義，這與大模型中 “詞向量” 的交互邏輯高度吻合;

　　蛋白質折疊：氨基酸的空間組合決定蛋白質功能，正如人類大腦與大模型中，神經元(或參數)的連接模式決定語義理解能力。

　　“人類和 AI 都會産生‘幻覺’，因為我們都會創造看似合理卻不真實的解釋 —— 這正是兩者機制相似的直接證據。”Hinton 強調，這種共性源于對 “概率性預測” 的依賴：人類通過經驗推斷語言邏輯，大模型則通過數據學習統計規律。

　　數字智能的 “永生性”：與生物智能的本質分野

　　盡管機制相似，Hinton 指出 AI 與人類智能存在根本性差異：

　　知識載體：人類知識與大腦硬件綁定，無法直接複制;AI 知識以軟件形式存在，可無限複制、跨硬件遷移，實現 “永生”;

　　傳播效率：人類語言的信息傳遞速率僅約 100 比特 / 秒，而 AI 模型權重的複制與共享可在瞬間完成，知識積累效率呈指數級超越。

　　“這意味着 AI 的進化速度将遠超人類。”Hinton 警示，若 AI 變得足夠智能，可能通過操縱人類避免被關閉，如同 “養大的老虎難以控制”。但他同時強調，AI 的巨大價值(如醫療、氣候研究突破)使其無法被禁止，關鍵在于全球協作防控風險。

　　呼籲建立國際 AI 安全網絡

　　借鑒冷戰時期美蘇核安全合作的經驗，Hinton 提出：“各國應共建國際 AI 安全研究網絡，專注于‘訓練 AI 向善’—— 這與訓練 AI 變聰明是完全不同的任務。” 他認為，盡管國家利益存在分歧，但在避免 AI 失控這一問題上，全人類有共同的底線與合作空間。

　　闫俊傑：AGI 不是少數人的專利，而是每個人的能力增強工具

　　MiniMax 創始人闫俊傑從産業實踐角度，闡述了 AI 從 “技術工具” 向 “普惠生産力” 的轉變，提出 “AI 應屬于所有人” 的核心觀點。

　　AI 正在重構生産力形态

　　“我們不是在複制互聯網公司，而是創造全新的生産力。” 闫俊傑以親身經曆舉例：

　　創意生産大衆化：過去制作一個 IP 形象需兩個月、百萬成本，如今 AI 一天内即可完成，成本降至數百元;其團隊模型半年内生成超 3 億條視頻，釋放了普通人的創意潛能;

　　個體能力放大：古文字解析、天文觀測、飛行模拟等專業領域，現在一個人借助 AI 即可完成過去需要團隊協作的工作;

　　自我進化加速：MiniMax 公司 70% 代碼由 AI 生成，90% 數據分析依賴 AI，且模型能力提升越來越依賴頂尖專家的 “思考過程教學”，而非簡單标注。

　　他強調，AI 的價值不僅在于效率提升，更在于 “持續增強個體與社會的能力”—— 人類學習速度有限，而 AI 可不斷進化，成為 “永不停止學習的夥伴”。

　　AGI 不會被壟斷，普惠是必然趨勢

　　針對 “AI 是否會被少數巨頭壟斷” 的擔憂，闫俊傑給出三點理由：

　　模型多樣性：不同模型有不同對齊目标(如嚴謹的程序員、高情商對話夥伴)，反映價值觀差異，必然長期共存;

　　多智能體協同：複雜系統正從 “單一大模型” 轉向 “多模型協作”，小公司可通過整合工具參與競争;

　　開源力量崛起：優秀開源模型性能快速逼近閉源模型，降低了技術門檻，讓更多人能參與 AI 創新。

　　他進一步指出，AI 的發展受限于推理速度與成本，而非無限制堆參數：“過去一年，最優模型推理成本下降一個數量級，未來還将持續降低，最終實現‘每個人都用得起’。”

　　“Intelligence with Everyone”：AGI 的終極歸宿

　　“AGI 的實現不是某家公司的勝利，而是社會共同努力的結果。” 闫俊傑總結，AI 的終極目标是成為普惠工具 —— 無論付費能力差異，所有人都能借助 AI 解決問題、釋放潛能。“這不僅是口号，更是我們長期奮鬥的方向。”

　　結語：技術本質與社會價值的雙重叩問

　　Hinton 與闫俊傑的演講，分别從 “技術本源” 與 “應用倫理” 兩個維度，勾勒出 AI 發展的核心命題：當人類與 AI 的智能機制日益趨同，如何在擁抱技術進步的同時，确保其服務于全人類福祉?從國際安全協作到普惠價值落地，這場關于 AI 未來的思辨，或許才剛剛開始。