摘要：在AI与人类大脑的对比方面，当前最大的AI模型约有1万亿个连接，然而人类大脑却拥有100万亿个连接。不过，AI具有快速复制和共享经验的巨大优势。若要实现人类大脑间的知识传递，只能依靠语言这一低效率方式，每句话可能仅能传递100比特信息，而AI系统却可同时分享数

杰弗里・辛顿作为人工智能领域的重要人物，提出了许多极具影响力的观点。

杰弗里・辛顿

在AI与人类大脑的对比方面，当前最大的AI模型约有1万亿个连接，然而人类大脑却拥有100万亿个连接。不过，AI具有快速复制和共享经验的巨大优势。若要实现人类大脑间的知识传递，只能依靠语言这一低效率方式，每句话可能仅能传递100比特信息，而AI系统却可同时分享数万亿比特的信息。

在意识和主观体验领域，辛顿认为人们对主观体验的理解或许完全错误。

许多哲学家将主观体验视为由许多如粉红色的感质、大象的感质、漂浮的感质等各种感质拼凑而成，辛顿觉得这种理解源于语言学错误。人们习惯像理解照片那样理解“体验到”一词。

例如，说有一张小粉象的照片时，能合理询问照片的位置和材质，但说体验到小粉象时，这种逻辑便不适用了。体验的真正含义是通过描述假设的世界状态来反映感知系统的情况，并非指向某个内在的东西，就像人们对水平和垂直概念的理解也可能存在深层次误解。

辛顿还强调了AI具身化的重要性。他预测当AI系统具备物理形态，如战斗机器人，人们会自然地用“相信”“意图”等词描述其行为。实际上，与ChatGPT对话时人们已在这么做，说ChatGPT认为某人为青少年时，不会觉得它是在假装或只是软件在模仿，而是自然地将心智状态赋予这些系统，但人们对心智状态本身的理解可能有误。

而且很多人因认为人类拥有AI无法拥有的主观体验而对AI感到安全，辛顿指出这种安全感是虚假的，人类并非因有主观体验就特别或安全。

对于政府管控AI发展，辛顿持怀疑态度，他认为AI领域新想法多源于时代精神，不像冷战时期管控物理学那样，能轻易管控AI，除非消除整个时代精神，否则难以阻止相似想法产生。

他尤其担忧AI模型去中心化，将大型基础模型比作裂变材料，认为随意发布模型权重极为危险，如同让任何人都能获取核武器，而随着Meta等公司已开始发布模型权重，风险已开始显现。

在理解的本质上，辛顿把词语比作高维空间中具有特定形状和灵活性的弹性乐高积木，以此说明语言理解的本质并非神秘的内在过程，而是将符号转化为特征向量，并在上下文中了解这些特征如何互动。

在理解和学习方面，辛顿认为语言和理解如同在三维空间中操作的系统，每个词语在高维空间中是可变形状。

如听到“scrum”一词，即便无定义，从“她用平底锅scrummed了他”,这样的语境中，也能直觉其可能是暴力动作，这种直觉源于其他词语在高维空间形成的形状和空隙。

关于学习效率，针对乔姆斯基的批评，辛顿指出AI虽需更多训练数据，但人类学习语言也非仅依靠语言输入，而是通过与真实世界互动，若给AI配备机械臂和摄像头使其能与真实世界互动，所需语言训练数据会大幅减少。

乔姆斯基

在研究方法论上，与其他研究者偏好数学方程不同，辛顿更倾向于通过图画和手势思考问题，先有直觉再进行数学推导。

辛顿教授还特别强调了快速权重（fastweights）在AI发展中的重要性。

他指出，大脑中的突触能够在不同的时间尺度上进行适应，而当前的AI模型却未能充分发挥这一特性。他坚信，快速适应的权重系统将成为未来AI发展的关键方向，尽管在现有的计算机架构下，实现这一目标可能面临着诸多挑战。

回顾自己获得诺贝尔物理学奖的经历，辛顿教授坦言，心中仍存有一丝困惑。他和特伦斯・谢诺夫斯基开发的玻尔兹曼机，虽然巧妙地运用了统计物理学的原理，但实际上，它并非是推动当前AI取得巨大成功的关键算法。真正引领AI产业蓬勃发展的，是反向传播算法。

特伦斯・谢诺夫斯基

最后，辛顿教授对年轻的研究者们寄予了殷切的期望。他语重心长地指出，尽管神经网络和AI如今在科学界备受瞩目，成为了最令人激动的研究领域，但其他领域同样充满了无限的机遇。

例如，室温超导体的研究一旦取得突破，将彻底改变太阳能的利用方式；纳米材料的发展，也蕴含着巨大的潜力。

更为重要的是，几乎所有令人激动的新科学领域，都将离不开AI工具的助力。这不仅为年轻的研究者们指明了广阔的研究方向，也让我们看到了AI在未来科学发展中的重要地位和无限可能。

文本内容源自@基地的视频内容

来源：波波百谈