原文 | 《纽约时报》皇冠现金体育官方app娱乐，翻译 | 适说念

上世纪80年代，Hinton看《驱逐者》时，莫得被影片中的AI松手天下困扰。相悖，他很雀跃看到神经辘集时候被描写得如斯有出路。

数十年来，Hinton缠绵了许多新点子来考验神经辘集。他招募了许多磋议生，让环球信托神经辘集不是一条死巷子。他认为我方参与的阵势会在100年后，也等于在他身后材干取得效果。

他的虫豸学家父亲曾说：“要是你比我费力两倍，当你年岁是我两倍大时，随机材干达到我一半的配置。”在剑桥大学，Hinton尝试了多个领域。但令他颓唐的是，在职何一门课程中，他齐不是班上最醒方针学生。

在夏天的岛屿上，Hinton偶尔会捉蛇，并放进一个玻璃缸，不雅察它们的步履。他的一世齐在想考怎样“从下到上”地领路想维，因此对非东说念主类的心智有特有的明察力。

在蛹里，毛毛虫被融化成汤状物资——然后你从“这锅汤”中构建出一只蝴蝶。毛毛虫代表了用于考验当代神经辘集的数据；而蝴蝶则象征从这些数据中设立的AI。而深度学习——Hinton创举的时候——促成了这种转机。

Hinton信服AI领多情感。他认为，情感的实质等于对无法领有之物的渴求。

Geoffrey E. Hinton能够没猜想诺贝尔物理学奖颁给了我方。收到音尘后，他被动取消了预约好的核磁共振。

2024年诺贝尔物理学奖揭晓。机器学习众人John J. Hopfield、AI 教父Geoffrey E. Hinton荣获此奖，以奖赏他们“基于东说念主工神经辘集竣事机器学习的基础性发现和发明”。

追想Hinton近两年的变化，不错用“戏剧化”形容。也曾他是AI 教父，终生竭力于教司帐算机深度学习。如今他是AI安全斗士，记挂AI是否依然超越了东说念主类大脑的智商，认为AI最终会和东说念主类争夺限度权。

为何Hioton出现了这样的变化？他眼中的AI将成长为何种“怪物”？《纽约时报》的一篇长文从Hioton的资格和神经辘集时候讲起，带咱们了解这位深度学习雄风的AI旧事。

底下是全文翻译，适说念进行了部分删减和调养。enjoy～

为何AI教父挂念我方创造的时候？

“要是能取得更多限度权，它简直能竣事一切方针”Hinton谈及AI时说说念，“磋议的中枢问题是：你怎样退缩AI掌控一切？关联词，咫尺莫得东说念主知说念谜底。”

Geoffrey Hinton，这位被称为“AI教父”的考虑机科学家，递给了我一根拐杖。“你可能会用到这个”他说着，便沿着小路朝湖边走去。那条小路穿过一个绿荫掩映的旷地，绕过几间小屋，接着顺着石阶通向一个划子埠。咱们站在安大略省乔治亚湾的一块岩石上，往西望去，蔓延至休伦湖。水面上星罗云布的岛屿点缀其中。

2013年，65岁的Hinton买下了这座岛屿。彼时，他刚刚将一个由三东说念主组成的创业公司以4400万好意思元的价钱卖给了Google。

30年神经辘集“冷板凳”

在此之前，Hinton在多伦多大学担任了30余年的考虑机科学磨真金不怕火，专攻一种名为神经辘集的“冷门”领域。

神经辘集是受东说念主脑神经元一语气样貌的启发。

在你的大脑中，神经元组成了万里长征的辘集。每一次行动、想考，辘集齐会随之变化：神经元要么被纳入，要么被删除，而它们之间的一语气则会加强或安然。

这个历程每时每刻不在发生——就像咫尺，当你阅读这些翰墨时。其范围之大，难以遐想。你的大脑中苟简有800亿个神经元，相互间分享高出100万亿个一语气。你的颅骨里仿佛藏着一个星系，其恒星总在不休转移。

新的常识以微调的局势融入你现存的神经辘集中。有时它们是少顷的：比如你在派对上领路一个生疏东说念主，他的名字可能只会在你的记挂辘集中留住少顷的行踪。但有时记挂却会随同你一世，比如当阿谁生疏东说念主成了你的伴侣。

新常识与旧常识相互交汇，你的旧常识会影响你畴昔的学习。比如，当派对上有东说念主提到他去阿姆斯特丹旅行的资格。第二天，要是你走进博物馆时，你的神经辘集可能会轻轻地将你推向荷兰画家维米尔的作品。恰是通过这种眇小的变化，才可能配置真切的鼎新。

一启动，东说念主工神经辘集不何如生效——不管是图像分类、语音识别，照旧其他应用——大多数磋议者认为该领域等于糟蹋时期。

“咱们的神经辘集其时以至连一个小孩齐比不上”Hinton回忆说念。

上世纪80年代，当他看《驱逐者》时，并莫得被影片中的AI松手天下困扰。相悖，他很雀跃看到神经辘集时候被描写得如斯有出路。

数十年来，Hinton络续尝试构建更大、更复杂的神经辘集。

他缠绵出许多新点子考验神经辘集，络续提高性能。

他招募了许多磋议生，让环球信托神经辘集不是一条死巷子。

他认为我方参与的阵势会在100年后，也等于在他身后材干取得效果。

与此同期，他成了鳏夫，独自侍奉两个年幼的孩子。在一段至极繁重的日子，家庭和磋议的双重压力让他简直濒临崩溃。

他曾以为我方在46岁时就绝对松手了。

谁也没意想到，苟简十年前，神经辘集时候启动突飞大进。

跟着考虑机速率提高，神经辘集能够借助互联网上的海量数据，启动转录语音、玩游戏、翻译讲话，以至竣事自动驾驶。

就在Hinton公司被收购前后，东说念主工智能马上崛起，催生了OpenAI的ChatGPT和Google的Bard等系统，许多东说念主信托这些时候正以不可先见的样貌窜改天下。

AI会变成“异形”吗？

每当咱们学习时，咱们的大脑神经辘集齐会发生变化——具体是怎样发生的呢？

像Hinton这样的磋议者通过考虑机，试图找到神经辘集的“学习算法”，即一种通过调养东说念主工神经元之间一语气的统计“权重”来吸纳新常识的步伐。

1949年，心计学家Donald Hebb提倡了一个东说念主类学习历程的爽脆端正——同步激活的神经元将会一语气在通盘。即，当你大脑中的一组神经元被同步激活，它们就更有可能再次激活。爽脆来讲，当你第二次作念一说念菜时，会比第一次容易得多。

但很快东说念主们就发现，对于考虑机神经辘集而言，这一步伐处置不了复杂问题。

上世纪60、70年代，后生磋议者Hinton经常在札记本中画出神经辘集，并遐想新常识怎样到达它们的范围。他想索着，一个由几百个东说念主工神经元组成的辘集怎样存储一个认识？要是这个认识被阐明是虚假的，它又将怎样进行修正？

Hinton的父亲是一位着名的虫豸学家。孩提时期，他和父亲在车库里养了一坑的毒蛇、乌龟、青蛙、蟾蜍和蜥蜴。如今，Hinton每年夏令齐会待在岛上，偶尔还会捉到蛇并带进屋里，放进一个玻璃缸，借此不雅察它们的步履。他的一世齐在想考怎样“从下到上”地领路想维，因此对非东说念主类的心智有特有的明察力。

本年早些时候（2023年5月），Hinton离开了Google。他启动担忧潜在的AI胁迫，并在采访中驳斥AI对东说念主类种族组成的“活命胁迫”。他越是使用ChatGPT，心中的不安就越激烈。某天，Fox News的又名记者连系他，条目就AI问题进行采访。

Hinton可爱用残忍的单句回话电子邮件。比如，在收到一封来自加拿大谍报局的冗长来信后，他回话了一句“斯诺登是我的英豪”。

此次，他的回话依然玩了一把幽默：“Fox News is an oxy moron.（凿枘不入）”。

出于好奇，Hinton问ChatGPT能否阐明他的见笑。

ChatGPT：这句话清晰Fox News是假新闻。

当Hinton强调“moron”前的空格时，ChatGPT进一步阐明：这意味着Fox News像镇痛剂OxyContin一样让东说念主上瘾。

Hinton对此感到战栗，这种领路力似乎预示着AI插足了一个全新时期。

天然环球对AI崛起有许多担忧的意义——被抢责任等等。

关联词，Hinton与许多闻名的科技东说念主士站在了通盘，比如OpenAI首席实践官Sam Altman，他们劝诫称AI可能会启动自主想考，以至试图接收或隐没东说念主类漂后。

当你听到一位如斯分量级的AI磋议者发出如斯惊东说念主的不雅点，令东说念主颠簸。

“许多东说念主说，LLM等于一个很高档的自动补全功能。”Hinton对我说，“咫尺，让咱们来分析一下。假定你想成为展望下一个单词的妙手。要是你想成为信得过的妙手，就必须领路别东说念主在说什么。”

“这是独一的办法。因此，通过考验让某个东西信得过擅长展望下一个单词，执行上等于免强它去领路。是的，这是照实仅仅‘自动补全’——-但你并莫得想表露领有一个极其优秀的‘自动补全’意味着什么”。

Hinton认为，像GPT这样的LLM照实能领路词语和认识的含义。

那些怀疑咱们高估AI智商的东说念主指出——东说念主类想维与神经辘集之间有很大的差距。

率先，神经辘集的学习样貌与咱们不同：东说念主类是通过执行教会，领路现实天下与自我的关系，天然地获取常识；而神经辘集则是通过处理多量信息库中的数据，以详细的样貌学习一个它弗成信得过生活的天下。

关联词Hinton认为，AI展现出的颖悟已超越了其东说念主工的发源。

他说：“当你吃东西时，你会摄入食品，然后把它分解成微小的各个部分。但要是你说——我体魄里的部分物资由其他动物的部分物资组成。这是不可能的。”

Hinton认为：通过分析东说念主类的写稿，像GPT这样的LLM能够了解天下是怎样运转的，从而设立一个具备想维智商的系统。

而写稿仅仅这个系统功能的一部分。他接续说说念：“这就肖似于毛毛虫变蝴蝶的历程。在蛹里，毛毛虫被融化成汤状物资——然后你从这锅汤中构建出一只蝴蝶。”

“蜻蜓的幼虫是生活在水下的怪物，就像电影《异形》中一样，蜻蜓从怪物的背部爬出。幼虫在这个阶段变成了一锅‘汤’，然后蜻蜓从‘汤’中设立了。”

在Hinton的比方中，幼虫代表了用于考验当代神经辘集的数据；而蜻蜓则象征从这些数据中设立的AI。而深度学习——Hinton创举的时候——促成了这种转机。

他轻声说说念，“你明显了其中的真谛。它启动是一种状态，最终变成了另一种不同的状态。”

权贵家眷出了个“不醒目”的小辈

当年，Google收购Hinton创业公司，一部分原因是他的团队知说念怎样利用神经辘集大幅提高图像识别智商。而咫尺，屏幕上铺满了Hinton的家支。

Hinton出身在一个极端的英国科学世家：在政事上激进，在科学上探索。

叔祖父Sebastian Hinton是攀爬架的发明者；他的堂姐Joan Hinton是参与曼哈顿经营的物理学家；

Lucy Everest，首位当选为英国皇家化学磋议所成员的女性。

Charles Howard Hinton，一位数学家，提倡了四维空间认识。

19 世纪中世，Hinton曾曾祖父、英国数学家George Boole发明了二进制推理系统，即咫尺的布尔代数，是整个考虑的基础。Boole的老婆Mary Everest是一位数学家和作者。

Yann LeCun的评价是，Geoff Hinton天生等于搞科学的料。

天然学生时期的Hinton可爱天然科学。但出于领路形态，他的虫豸学家父亲Howard Everest Hinton拦阻他学习生物学。他谨记父亲曾说：“要是你比我费力两倍，当你年岁是我两倍大时，随机材干达到我一半的配置。”

在剑桥大学，Hinton尝试了多个领域。但令他颓唐的是，在职何一门课程中，他齐不是班上最醒方针学生。

他曾一度辍学，跑去“读一些令东说念主emo的演义”，并在伦敦打零工，然后又回到学校，尝试学习建筑学，但仅对峙了一天。

临了，在探索了物理、化学、生理学和形而上学后，他礼聘了实验心计学专科。

他“躲闪”在说念德形而上学家Bernard Williams的办公室里，此后者对考虑机与心智的风趣激励了Hinton的深想。

某天， Williams指出：咱们的不同想想一定响应了大脑里面不同的物理陈设；而这与考虑机里面的情况天壤之隔——考虑机的软件与硬件是相互独处的。

Hinton被这个不雅点深深眩惑。他回忆起高中时，一个一又友曾告诉他记挂可能以“全息”的样貌储存在大脑中——记挂是分散的，但通过任何一个部分齐不错造访举座。

这恰是他后续磋议的“一语气主义”认识。这种步伐集会了神经科学、数学、形而上学和编程，探讨神经元怎样协同责任以“想考”。一语气主义的一个方针是创造一个在考虑机中模拟大脑的系统。

这个领域依然有了一些进展：1950年代，心计学家和一语气主义前锋Frank Rosenblatt建造了一台Perceptron（感知机），使用爽脆的考虑机硬件模拟了数百个神经元的辘集。当一语气到光感器时，Perceptron不错通过跟踪不同光辉模式激活的东说念主工神经元来识别字母和局势。

而Hinton在剑桥的起步看似自如且略显乖癖，也有一部分原因是他在探索一个新兴的领域。

“神经辘集——其时简直莫得顶尖大学磋议这个领域” Hinton说说念 “你在麻省理奇迹念不了；在伯克利作念不了；在斯坦福也作念不了。”也正因如斯，Hinton动作一个新兴时候的创举者。多年来，许多最顶尖的头脑齐向他逼近。

撬开神经辘集“黑盒”

而在1970年代，绝大多数东说念主工智能磋议者齐是“象征主义者”。在他们看来，了解诸如番茄酱这样的事物，可能需要波及多个认识，如“食品”、“酱料”、“调味品”、“甜”、“鲜味”、“红色”、“番茄”、“好意思国”、“薯条”、“蛋黄酱”和“芥末”；

这些认识集会起来不错构建出一个脚手架，用来吊挂新认识如“番茄酱”。一个资金充足的大型东说念主工智能阵势Cyc，恰是围绕构建一个弘远的常识库张开。科学家们不错使用一种极端讲话将认识、事实和端正（以及它们不可幸免的例外）输入其中。（鸟类会飞，但企鹅不会，受伤的鸟也不会……）

可是，Hinton对象征东说念主工智能清晰怀疑。这种步伐似乎过于僵化，过于依赖形而上学家和讲话学家的推明智商。

他知说念，在天然界中，许多动物即便莫得讲话抒发，也能进展出智能步履。而它们仅仅通过教会学习来变得醒目。

对于 Hinton 来说——学习，而不是常识，才是智能的中枢。

东说念主类的高档想维普通似乎通过象征和讲话进行。可是，Hinton与他的相助者James L. McClelland以及David Rumelhart认为，大部分的默契行动其实发生在认识层面之下。

他们指出：“当你学到一个对于某个物体的新常识后，你对其他肖似物体的预期也会发生变化”。比如，当你得知黑猩猩可爱洋葱时，你可能会推测大猩猩也可爱。

这标明常识可能是以“分散式”的样貌在大脑中产生的——由一些不错在关系认识之间分享的微型构建块组成。

比如，大脑中不会有两个分别代表“黑猩猩”和“大猩猩”的独处神经元辘集；相悖，不同的特征，比如毛茸茸的、四足的、灵长类的、动物性的、醒方针、野生的等，可能会以一种样貌激活来代表“黑猩猩”，以稍许不同的样貌激活来代表“大猩猩”。

在这些特征云中，可能会加上“可爱洋葱”这一属性。关联词，这种由特征组成的想维样貌可能会导致浑浊和虚假：要是将特点虚假地组合在通盘，可能会产生一个既不是大猩猩也不是黑猩猩的幻想生物。但要是大脑领有正确的学习算法，它随机能调养神经元之间的权重，优先生成合理的组合，而不是不测旨的拼集。

Hinton 接续探索这些想法，先在加州大学圣地亚哥分校作念博士后磋议；然后在剑桥大学从事应全心计学磋议；临了在卡内基梅隆大学。他于1982年景为该校的考虑机科学磨真金不怕火。在卡内基梅隆期间，他将大部分磋议经用度于购买一台充足苍劲的考虑机，以运行神经辘集。期间，Hinton 和 Terrence Sejnowski 相助开发了一个神经辘集模子——玻尔兹曼机（Boltzmann Machine）。

1986年，Hinton、Rumelhart和Williams在《天然》杂志上发表了一篇三页的论文，展示了一个系统如安在神经辘集中责任。

他们指出，反向传播（backprop）和玻尔兹曼机（Boltzmann Machine）一样，并不是“大脑学习的一个合理模子”——与考虑机不同，大脑无法“倒带”来检查其昔日的进展。关联词，反向传播仍然能够竣事肖似大脑的神经有益化。

在真实的大脑中，神经元有时会按照处置特定问题的结构陈设。举例在视觉系统中，不同的神经元“列”不错识别咱们所看到的边际。

肖似的阵势也在反向传播辘集中出现。辘集的更高层会对较低层施加一种进化压力；因此，当一个辘集被赋予识别手写体的任务时，某些层可能会专注于识别线条、弧线或边际。最终，整个系统不错酿成“符合的里面表征”。这个辘集不仅“瓦解”了信息，还能加以利用。

在1950年代和60年代，感知机（Perceptron）和其他一语气主义（connectionism）曾少顷兴起，又缓缓蜕化。反向传播动作其中的一部分，也取得了平庸的调遣。

但构建反向传播辘集的执行责任进展自如，一部分原因是因为考虑机的速率太慢。

Hinton回忆说念：“进展速率基本取决于考虑机整宿之间能学到些许东西。”而谜底往往是“未几”。在认识上，神经辘集的责任样貌则显得高明。传统编程样貌无法径直为其编写代码，你弗成去手动调养东说念主工神经元之间的权重。况兼很难领路这些权重的含义，因为它们融会过考验自动妥当和窜改。

在学习历程中，虚假可能以多种样貌发生。举例，“过度拟合”会让辘集只记着了考验数据，而不是从中总结出通用的法例。

幸免这些罗网并非易事，因为神经辘集是自主学习的。磋议东说念主员不错尝试通过“集成”时候（将弱辘集组合成一个苍劲的辘集）或“提前罢手”（让辘集学习，但不外度学习）来应付这些问题。

他们还不错通过“预考验”系统，即先让玻尔兹曼机学习一些东西，再重叠反向传播辘集，从而使系统在依然掌捏了一些基础常识后才启动“监督”考验。

然后，他们会放任辘集接续学习，但愿它能达到预期方针。

新的神经辘集架构也应时而生——“轮回”辘集和“卷积”辘集。但这就像磋议东说念主员发现了一项生疏的外星时候，却不知怎样使用。

Hinton说：“我恒久信服这不是瞎掰八说念。”这并非出于信仰，而是不言而喻的：大脑通过神经元学习，因此通过神经辘集进行复杂的学习势必是可能的。为了这一信念，他悦目加倍费力，并对峙更久。

通过反向传播考验辘集时，辘集需要被见知那儿出错了，以及虚假的进程，这条目有多量准确标注的数据，这样辘集材干分散脱手写的“7”和“1”，或者分散金毛猎犬和红色雪达犬。

关联词，找到充足大且标注清雅的数据集并拦阻易，构建新的数据集更是一项忙绿的责任。

LeCun偏激相助者开发了一个包含多量手写数字的数据库，其后他们用它来考验一个辘集，不错读取好意思国邮政做事提供的样本邮政编码。

李飞飞主导了一个弘远的阵势——ImageNet，其创建历程波及汇集高出1400万张图像，并手动将它们分为2万个类别。

跟着神经辘集的络续膨胀，Hinton发明了一种将常识从大型辘集传递给较小辘集的步伐——蒸馏（distillation）——不错在手机等劝诱上运行。

在蒸馏学习中，一个神经辘集不仅为另一个神经辘集提供正确的谜底，还能提供一系列可能的谜底偏激概率，这是一种更为丰富的常识传递样貌。

Hinton不可爱反向传播辘集。因为与玻尔兹曼机不同，“反向传播统统是笃定性的。灾祸的是，它的确效果更好。”跟着考虑机性能的越过，反向传播的威力缓缓变得无可否定。

Hinton作念过一个考虑。假定在1985年，他启动不休歇地在一台高速考虑机上运行一个步伐。如今只需不到一秒钟的时期就不错赶上。

插足2000年代，跟着配备苍劲考虑机的多层神经辘集，启动在大范围数据集上进行考验，Hinton、Bengio 和 LeCun 启动征询“深度学习”的后劲。

2012年，这项磋议跨过了一个门槛。彼时，Hinton、Alex Krizhevsky 和 Ilya Sutskever 推出了AlexNet，这是一个八层神经辘集，最终能够以东说念主类水平的准确率识别 ImageNet 数据蚁集的物体。

随后，三东说念主创办了一家公司，并将其出售给了Google。

Hinton拿这笔钱买下了开篇的那座小岛——“这是我独一信得过的荒诞”。

他信服神经辘集照实领多情感

2017年6月，Hinton、Bengio和LeCun获取了图灵奖，格外于考虑机科学领域的诺贝尔奖。

Hinton信服，神经辘集照实领有某种情感，即对步履倾向的一种描写样貌。

他在1973年见过一个“emo的东说念主工智能”。其时一台考虑机一语气着两台电视录像头和一个爽脆的机械手臂，系统的任务是将洒落在桌子上的积木拼装成一辆玩物车。

“这在1973年是格外穷苦的，”他说。“视觉系统不错识别分开的积木，但要是你把它们堆在通盘，它就无法识别。是以它何如作念呢？它稍许后退了少许，然后砰地一下，把积木撒得满桌子齐是。它无法应付面前的景况，于是通过暴力窜改了地点。要是是东说念主类这样作念，你会说他们感到颓唐。那台考虑机无法正确地‘看到’积木，于是它‘打乱’了积木。” Hinton认为，情感的实质等于对无法领有之物的渴求。

他叹了一语气。“咱们弗成活在否定之中，咱们必须濒临现实。咱们需要想考，怎样让AI对东说念主类的胁迫变得不那么可怕。”

AI会变得何等有效？何等危急？莫得东说念主知说念。一部分原因是神经辘集太神奇了。

在20世纪，许多磋议东说念主员想构建效法东说念主脑的考虑机。

但尽管像GPT这样的神经辘集罕有十亿个东说念主工神经元，在某种意旨与东说念主脑相似，但它们与生物大脑有果然质上的不同。

如今的东说念主工智能存在于云霄，被安置在弘远数据中心。

在某些方面，东说念主工智能显得无知；而在另一些方面，它又如天才般瞻念察。

它们随机依然通过了图灵测试——由考虑机科学前驱Alan Turing提倡的经典圭臬：要是一台考虑机能够在对话中令东说念主信服地效法东说念主类，它就不错被合理地认为在“想考”。

关联词，直观告诉咱们，驻留在浏览器标签页中的东西，不可能以咱们领路的样貌信得过“想考”。这些系统迫使咱们反想：东说念主类的想维样貌，真的是独一值得招供的想维样貌吗？

担忧开首于凡东说念主考虑？

在谷歌责任的临了几年，Hinton蚁集元气心灵开发更接近东说念主类大脑想维样貌的东说念主工智能，使用模拟大脑结构的硬件。

在现今的东说念主工智能系统中，东说念主工神经元之间的一语气权重是以数字局势存储的，仿佛大脑在为我方作念纪录。关联词，在东说念主类真实的类比大脑中，权重径直体咫尺神经元之间的物理一语气中。Hinton 竭力于通过专用考虑芯片来创建这一系统的东说念主工版块。

Hinton 将这种步伐称为“凡东说念主考虑”。

要是能竣事，那将是极其惊东说念主的。这些芯片能够通过调养它们的“电导”来进行学习。由于权重会被整合到硬件中，无法从一台机器复制到另一台机器，每个东说念主工智能系统齐必须独处学习。但这会使功耗从兆瓦级镌汰到三十瓦。

由此带来的一个平允是饱读吹个性化：因为东说念主类大脑只需通过糟蹋燕麦粥等爽脆食品就能运转，天下不错维持数十亿个各不疏浚的大脑。每个大脑齐能够持续学习，而不是像面前的东说念主工智能那样，在一次考验后被推向天下。

Hinton说，在数字智能中，要是某台考虑机逝世，疏浚的一语气权重不错被漂浮到另一台考虑机上。以至要是所罕有字考虑机齐恣虐了，只有你保存了这些一语气权重，你就不错制造另一台数字考虑机并在其上运行疏浚的权重。无独有偶个神经辘集不错同期学习无独有偶件不同的事物，然后分享它们所学的常识。

这种长生和可复制性的集会让Hinton以为“咱们应当警惕数字智能取代生物智能的可能性”。

面前的东说念主工智能时候在物理范围处经常显得顽劣无力。

比如LeCun 清晰，任何一个青少年齐能在苟简20个小时的造就中学会开车，简直不需要监督；任何一只猫齐能跳过一连串的产物，爬到书架的尖端。今天的东说念主工智能系统在这些方面无一接近完成，除了自动驾驶汽车——但它们过度缠绵，条目“将整个城市绘制，数百名工程师，无独有偶小时的考验”。因此，处置物理直观的这些毒手问题将成为畴昔十年的主要挑战。

Hinton 认为，对东说念主工智能后劲的怀疑往往源于东说念主类无端的优厚感。磋议者们衔恨东说念主工智能聊天机器东说念主“幻觉”，即在濒临无法解答的问题时编造出貌似合理的谜底。对此，Hinton 不认同“幻觉”一词。

他说：咱们应该说“捏造”。“幻觉”是指你以为有感官输入——听觉幻觉、视觉幻觉、感觉幻觉。而仅仅编造事情，那是“捏造”。酷好的是，在东说念主类看来，编造和说真话之间莫得界限。说真话仅仅正确地编造。从这个角度来看，ChatGPT的编造智商是一个短处，但亦然其类东说念主智能的艳丽。

Hinton时常被问是否后悔我方所作念的责任。他回答并不后悔。

毕竟当他启动磋议时，没东说念主以为这项时候会得胜；即使它启动得胜，也莫得东说念主猜想它会那么快。恰是因为他认为东说念主工智能是信得过的智能，他盼愿其将在许多领域作念出孝敬。

天然，他也不异担忧东说念主工智能的畴昔。