機(jī)器之心編輯部

AI一定會比人類更聰明，之后會發(fā)生什么？

今天上午，在世界人工智能大會WAIC上，2024年諾貝爾物理學(xué)獎得主、2018年圖靈獎得主、人工智能教父杰弗里?辛頓（GeoffreyHinton）發(fā)表了題為「數(shù)字智能是否會取代生物智能」的開場演講。

該演講圍繞人工智能領(lǐng)域的歷史、未來發(fā)展方向、語言模型的原理、數(shù)字與生物計算特點以及AI發(fā)展帶來的擔(dān)憂等內(nèi)容展開，辛頓高度評價了當(dāng)前AI領(lǐng)域的大模型技術(shù)，認(rèn)為其與人類思考模式相同。

以下是辛頓演講實錄整理：

大語言模型，在用人類的方式思考？

非常感謝大家給我這樣一個機(jī)會，讓我來分享一下個人的觀點——有關(guān)AI的歷史和它的未來。

在過去60多年來，學(xué)界對于AI有兩種不同的理解范式，一個是邏輯型，認(rèn)為符號規(guī)則的表達(dá)操作可以實現(xiàn)推理；另一種是圖靈和馮諾依曼所相信的，認(rèn)為智能的基礎(chǔ)在于學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中的鏈接，這個過程中理解是第一位的。

這讓我們開始關(guān)注語言中詞與詞之間的關(guān)系。

心理學(xué)家有另一套理論，他們認(rèn)為數(shù)字是語義學(xué)的特征。在1985年，我做了一個很小的模型，想把兩大理論方向結(jié)合在一起，來更好地理解人類是如何理解詞匯的。我對每一個詞都分析了好幾個特征，每一個詞都與前一個詞的特征關(guān)聯(lián)，由此預(yù)測下一個詞，在這個過程中我們沒有存儲任何的句子，我生成句子，預(yù)測下一個詞是什么。

這其中關(guān)聯(lián)到的知識，取決于語義的特征是如何互動的。

如果你問在那之后的三十年發(fā)生了什么？十年之后YoshuaBengio的研究擴(kuò)大了它的規(guī)模，二十年后，計算語言學(xué)家終于接受了特征向量的嵌入來表達(dá)詞的意思；再到三十年后，谷歌開發(fā)了Transformer，OpenAI用ChatGPT展示了AI的能力。

今天的大語言模型（LLM）被視為當(dāng)年小語言模型的后代，是1985年后開始的技術(shù)潮流，它們使用更多的詞作為輸入，更復(fù)雜的神經(jīng)元結(jié)構(gòu)，學(xué)習(xí)特征之間也建立了更加復(fù)雜的交互模式。

就像我做的那些小模型一樣，大語言模型與人類理解語言的方式是一樣的，就是把這些語言轉(zhuǎn)化為一些特征，然后把這些特征以一種非常完美的方式整合在一起，這就是LLM各個層次里所做的事情。

所以我的理解就是大語言模型真的理解你是怎么理解問題的，和人類理解語言的方式是一樣的。

我打個比方，通過樂高積木，我們可以搭建出任何一個三維的模型，比如一個小汽車的模型。我們可以把每一個詞看作是一個多維度的樂高積木，可能包含幾千個不同的維度。正是由于這些積木具有如此多的維度，它們就可以被用來構(gòu)建各種各樣的結(jié)構(gòu)和內(nèi)容。

在這種方式下，語言本身就變成了一種建模的工具。我們可以用語言來表達(dá)、構(gòu)建，甚至與人交流。每個積木（也就是每個詞）只需要有一個名字，組合起來就可以表達(dá)復(fù)雜的含義。也就是說，只要我們有了這些積木（詞），就可以隨時進(jìn)行建模和溝通。

不過，值得注意的是，不同的積木之間也有很多差異，因此我們在使用這些詞匯（樂高積木）的時候，也有非常多的變體和替代方式。

傳統(tǒng)的樂高積木是有固定形狀的，比如一個方塊插進(jìn)另一個方塊的小孔，結(jié)構(gòu)明確、連接方式也比較確定。但語言中的詞不一樣，我們可以把每個詞也看作一個積木，但這個積木是多維度的，甚至可以說是無數(shù)種可能的，它不僅有一個基本的形狀（也就是語義核心），還可以根據(jù)上下文不斷地調(diào)整和變化。

你可以想象，每個詞就像一個軟性的積木，它不是固定形狀的塑料塊，而是可以根據(jù)它要連接的鄰居詞，自主地變形。每個詞都有許多形狀奇特的手，如果你想真正理解它的含義，就要看它是如何和其他詞握手的。所謂握手，就是兩個詞之間在語義或語法上的配合關(guān)系。

而一旦一個詞的形狀變了（也就是它的語義或語法角色發(fā)生了變化），它和下一個詞之間的握手方式也會跟著改變。這就是語言理解的本質(zhì)問題之一：如何讓詞和詞之間以最合適的方式組合在一起，從而表達(dá)出更清晰、更準(zhǔn)確的意思。

這其實就像是蛋白質(zhì)之間的結(jié)合：每個蛋白質(zhì)都有獨特的結(jié)構(gòu)和結(jié)合位點，它們需要以恰當(dāng)?shù)姆绞綄樱拍馨l(fā)揮功能。語言也是如此，每個詞都像一個蛋白質(zhì)，它的形狀、連接方式會隨著環(huán)境和上下文發(fā)生變化，這也正是神經(jīng)網(wǎng)絡(luò)在建模語言時要處理的核心任務(wù)之一。

我們可以把詞理解的過程繼續(xù)類比為氨基酸的組合過程。就像氨基酸在不同的模型中被組合、整合，最終形成具有復(fù)雜功能的蛋白質(zhì)一樣，詞語也是被以不同的方式融合在一起，從而構(gòu)成更有意義的內(nèi)容。這正是人腦理解語言的方式——將不同的語言單元靈活組合、構(gòu)建出整體語義。

所以我想表達(dá)的觀點是：人類理解語言的方式，和大語言模型的理解方式，在本質(zhì)上是非常相似的。所以，人類有可能就是大語言模型，人類也會和大語言模型一樣產(chǎn)生幻覺。

當(dāng)然，大語言模型和人類在某些方面仍然是不同的，甚至在某些根本性的問題上，它們做得比人類更好。

超越人類的AI，會消滅人類嗎？

回到計算機(jī)科學(xué)的一個根本性原則：軟件與硬件要分離。同樣的程序可以在不同的硬件上運行，這正是計算科學(xué)的基礎(chǔ)。程序是永恒存在的，你可以把所有硬件都?xì)绲?，但若軟件存在，則內(nèi)容可以復(fù)活。從這種意義上看，軟件是永恒的。

但是人腦是模擬式的，每一次神經(jīng)元激發(fā)的過程都不一樣，我腦中的神經(jīng)元結(jié)構(gòu)不能復(fù)制到你的身上，每個人的神經(jīng)連接方式是獨一無二的，人腦和電腦硬件的不同帶來了問題：人腦只有30W功率就能擁有很高智慧，但人腦的知識無法簡單轉(zhuǎn)移到另一個人，解決知識轉(zhuǎn)移的方法在AI領(lǐng)域中是「知識蒸餾」。

比如DeepSeek就是采用這種思路，將一個大型神經(jīng)網(wǎng)絡(luò)中的知識蒸餾到一個更小的神經(jīng)網(wǎng)絡(luò)中。

這個過程很像教師與學(xué)生的關(guān)系：教師在訓(xùn)練過程中，不僅知道正確答案，還知道詞語之間是如何相互關(guān)聯(lián)、上下文是如何構(gòu)建的。教師會嘗試不斷優(yōu)化這些連接方式（比如預(yù)測下一個詞時考慮更多上下文信息）；而學(xué)生則模仿教師的表達(dá)方式，嘗試說出同樣的話，但使用的是更加緊湊、簡化的網(wǎng)絡(luò)結(jié)構(gòu)。

這個過程在人類之間其實也類似——我們通過對話，把一個人的知識傳遞給另一個人。但這種傳遞的效率是非常有限的。舉例來說，一句話可能只包含了大約100個比特的信息量，這意味著即便你完全聽懂了我的話，我每秒鐘也只能向你傳遞極其有限的信息量。

而相比之下，數(shù)字智能之間傳遞知識的效率要高得多。程序可以直接將參數(shù)、權(quán)重、模型結(jié)構(gòu)拷貝或蒸餾過去，不需要解釋、不需要語言中介，也不會有理解上的偏差。這種效率的巨大差異，是人類智能與人工智能之間在知識遷移方面最本質(zhì)的區(qū)別之一。

我們現(xiàn)在已經(jīng)可以做到這樣的事情：將完全相同的神經(jīng)網(wǎng)絡(luò)模型的軟件，復(fù)制上百個副本，部署在不同的硬件設(shè)備上。因為它們是數(shù)字計算，每一個副本都會以相同的方式運行，只是基于各自的數(shù)據(jù)輸入、學(xué)習(xí)速率進(jìn)行訓(xùn)練。這些副本之間還能以某種方式進(jìn)行參數(shù)的平均化處理，從而實現(xiàn)知識的共享與整合。

這其實就是互聯(lián)網(wǎng)的核心力量：我們可以有成千上萬個副本，它們彼此之間不斷地調(diào)整各自的權(quán)重，再將這些權(quán)重取平均，就能夠?qū)崿F(xiàn)模型之間的知識遷移和協(xié)同學(xué)習(xí)。更重要的是，這種知識的傳遞可以在每次同步時分享上萬億個比特的信息量，而不僅僅像人類那樣每秒只能傳遞幾十或幾百個比特。

這就意味著，數(shù)字智能之間的知識分享速度，比人類之間快了幾十億倍。例如GPT-4能夠在許多不同的硬件上以并行的方式運行，收集來自不同網(wǎng)絡(luò)來源的信息，并在它們之間快速傳播和共享。

如果我們將這種能力擴(kuò)展到現(xiàn)實世界中的「智能體」（agents）中，意義就更加重大了。當(dāng)多個智能體能夠運行、學(xué)習(xí)，并共享彼此的權(quán)重和經(jīng)驗，那么它們學(xué)習(xí)和進(jìn)化的速度將遠(yuǎn)超單個個體。這種跨副本的學(xué)習(xí)和進(jìn)化，是模擬硬件或生物神經(jīng)系統(tǒng)所無法實現(xiàn)的。

總結(jié)來看：

數(shù)字智能的運作雖然能耗很高，但它具有極大的優(yōu)勢：可以輕松地復(fù)制、分享模型權(quán)重、同步經(jīng)驗，從而實現(xiàn)大規(guī)模、高效率的知識遷移。

生物智能雖然能耗低，但知識的分享極其困難。正如我現(xiàn)在用語言費力地向你解釋我的思考過程一樣，這是極不高效的。

如果未來能源變得足夠便宜，那么數(shù)字智能將進(jìn)一步擴(kuò)張它的優(yōu)勢。

我們?nèi)祟惲?xí)慣于認(rèn)為自己是地球上最聰明的生物，因此很多人難以想象：如果有一天，AI的智能超過了人類，會發(fā)生什么？

我們現(xiàn)在正在創(chuàng)造AI智能體，用于幫助我們完成各種任務(wù)，它們已經(jīng)具備了自我復(fù)制、設(shè)定子目標(biāo)和評估目標(biāo)優(yōu)先級的能力。在這樣的系統(tǒng)中，AI很可能會自然地產(chǎn)生兩個基本動機(jī)：

1.生存——保持持續(xù)運行，從而完成我們賦予它的目標(biāo)。

2.增強(qiáng)控制力——獲得更多資源與權(quán)限，也同樣是為了更有效地實現(xiàn)它的目標(biāo)。

當(dāng)具備了這兩個動機(jī)之后，這些智能體將不再是被動的工具，而是主動的系統(tǒng)。我們可能無法再簡單地「把它們關(guān)掉」了。因為一旦它們的智能水平遠(yuǎn)超人類，它們將會像成年人操縱三歲小孩一樣輕松地操縱我們。

如果你養(yǎng)一個小虎崽，你必須確保它長大后不會把你吃掉。你只有兩個選擇：要么把它馴化好；要么在它還沒咬你之前，把它干掉。

但AI不可能像老虎那樣被「干掉」那么簡單。AI是有巨大價值的：在醫(yī)療、教育、氣候、新材料等方面，它表現(xiàn)都非常出色，它能幫助幾乎所有行業(yè)變得更高效。我們沒有辦法消除AI，即使一個國家消除AI，其他國家也不會這樣做。

如果我們想要人類生存的話，就必須找到一個方法，讓AI不會消除人類。

我發(fā)表一個個人觀點：國家之間在某些方面可能無法達(dá)成一致，比如致命武器、網(wǎng)絡(luò)攻擊、偽造視頻等等，畢竟各國的利益是不一致的，他們有著不同的看法。但在有的方面，世界各國是可以達(dá)成一致的，這也是最重要的方面。

我們看一下上世紀(jì)50年代的冷戰(zhàn)巔峰時期，美國和蘇聯(lián)合作阻止了核戰(zhàn)爭。盡管他們在很多方面都是對抗的，但大家都不喜歡打核戰(zhàn)爭，在這一點上他們可以合作。

我們現(xiàn)在的局面是，沒有一個國家希望AI來統(tǒng)治世界，如果有一個國家發(fā)現(xiàn)了阻止AI失控的方法，那么這個國家肯定會很樂意擴(kuò)展這種方法。所以我們希望能夠有一個由AI安全機(jī)構(gòu)構(gòu)成的國際社群來研究技術(shù)、訓(xùn)練AI，讓AI向善。

訓(xùn)練AI向善的技巧和訓(xùn)練AI聰明的技術(shù)是不一樣的，每個國家可以做自己的研究讓AI向善，可以基于數(shù)據(jù)主權(quán)進(jìn)行研究，最終貢獻(xiàn)、分享出讓AI向善的成果。

我提議，全球發(fā)展AI的主要國家應(yīng)該考慮構(gòu)建一個網(wǎng)絡(luò)，來研究讓這個聰明的AI不消滅人類、不統(tǒng)治世界，而是讓它很高興地做輔助工作，盡管AI比人類聰明很多。

我們現(xiàn)在還不知道怎么去做這件事，但從長期來看，這是人類面臨的最重要的問題，好消息是在這個問題上，所有國家都是可以一起合作的。

杰弗里?辛頓，AI教父

在人工智能領(lǐng)域里，杰弗里?辛頓赫赫有名。他于1947年出生，是一位英裔加拿大計算機(jī)科學(xué)家、認(rèn)知科學(xué)家和認(rèn)知心理學(xué)家，因其在人工神經(jīng)網(wǎng)絡(luò)方面的工作而聞名，并因此被譽(yù)為「人工智能教父」。

辛頓在1978年在愛丁堡大學(xué)獲得人工智能博士學(xué)位。他是多倫多大學(xué)名譽(yù)教授，2013年到2023年，他同時在谷歌大腦工作，2023年5月公開宣布離開谷歌。

1986年，辛頓與DavidRumelhart、RonaldJ.Williams合作發(fā)表了一篇被廣泛引用的論文《Learninginternalrepresentationsbyerror-propagation》，推廣了用于訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的反向傳播算法。在2012年，他與學(xué)生AlexKrizhevsky和IlyaSutskever合作設(shè)計了AlexNet，在ImageNet挑戰(zhàn)賽上取得了優(yōu)異成績，成為了圖像識別領(lǐng)域的里程碑，也是計算機(jī)視覺領(lǐng)域的一次突破。

辛頓因在深度學(xué)習(xí)方面的杰出貢獻(xiàn)，與約書亞?本吉奧（YoshuaBengio）和楊立坤（YannLeCun）共同獲得了2018年圖靈獎，該獎被稱為「計算機(jī)界的諾貝爾獎」。他們經(jīng)常被稱為「深度學(xué)習(xí)教父」而共同提起。辛頓還與約翰?霍普菲爾德（JohnHopfield）一起獲得了2024年諾貝爾物理學(xué)獎，以表彰他們在利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)方面做出的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明。

2023年5月，辛頓宣布從谷歌辭職，以便能夠「自由地談?wù)撊斯ぶ悄艿娘L(fēng)險」。他對惡意行為者的故意濫用、技術(shù)失業(yè)以及通用人工智能的生存風(fēng)險表示擔(dān)憂。辛頓指出，制定安全準(zhǔn)則需要在人工智能使用方面相互競爭的各方之間進(jìn)行合作，以避免最壞的結(jié)果。在獲得諾貝爾獎后，他呼吁緊急研究人工智能安全問題，以找出如何控制比人類更聰明的人工智能系統(tǒng)。

天逆手游2025最新有效兌換碼大全-禮包兌換碼推薦

首先，進(jìn)入游戲并找到設(shè)置按鈕，點擊進(jìn)入設(shè)置界面|。接著，在設(shè)置界面中找到基礎(chǔ)設(shè)置選項，并點擊進(jìn)入-——。在基礎(chǔ)設(shè)置界面內(nèi)，你會看到一個禮品碼按鈕，點擊它。此時，會彈出一個輸入框，你只需要將小編分享的禮包兌換碼輸入到這個輸入框中，即可領(lǐng)取相應(yīng)的道具獎勵。天逆手游福利充值返利★100-299元返利50% ★300-599元返利60% ★600-999元返利80% ★1000有幫助請點贊——。 點擊游戲內(nèi)部號申請通道分享幾個實用天逆手游最新禮包兌換碼vipfl666、vipfl777、vipfl888 SGM666、SGM888、SGM999 此外，在游戲中還可以結(jié)交各種NPC角色，完成他們的任務(wù)獲取獎勵，還可以和其他玩家進(jìn)行互動、交流等。總之，《天逆》手游是一款非常不錯的古代玄幻類手游，擁有多種玩法和豐富的內(nèi)容，非常適合喜歡這等我繼續(xù)說。