AI 教父 Hinton 中国首讲：人类或许就是大语言模型，而 AI 正走向 “永生”

　　焦点。这位深度学习领域的先驱不仅分享了大模型技术的演进脉络，更抛出震撼观点 ——“人类理解语言的方式与大语言模型几乎一致，人类或许就是一种大语言模型”。紧随其后，MiniMax 创始人闫俊杰则以 “每个人的人工智能” 为主题，探讨了通用人工智能(AGI)的普惠化路径。两场演讲从技术本质与社会价值两个维度，为 AI 的未来发展提供了深刻启示。

　　Geoffrey Hinton：从符号主义到连接主义，AI 正在复刻人类智能

　　作为深度学习的奠基人，Hinton 的演讲从 AI 发展的两种范式切入，揭开了大模型技术的进化逻辑。

　　两种智能范式的碰撞与融合

　　60 年来，AI 发展始终存在两条路径：

　　符号主义：通过预设规则操作符号实现推理，强调逻辑的显式表达;

　　连接主义：受生物智能启发，通过神经连接的动态变化学习知识，更注重 “从数据中自主习得规律”。

　　Hinton 回忆，1985 年他曾构建一个小型模型，尝试将两种范式结合：“每个词被拆解为多维特征，模型不存储完整句子，而是通过预测下一个词来学习词汇间的语义关联。” 这一思路为后来的自然语言处理奠定了基础 ——20 年后，Transformer 架构与 GPT 模型正是将这一逻辑规模化，通过海量数据训练，让模型在多层神经网络中组合 “语义特征”，实现语言的生成与理解。

　　“乐高积木” 与 “蛋白质折叠”：语言理解的共通逻辑

　　Hinton 用两个精妙比喻阐释了人类与 AI 在语言处理上的相似性：

　　乐高积木：每个词如同多维度积木，其 “连接点” 对应语义特征，词与词的匹配方式决定了语言意义，这与大模型中 “词向量” 的交互逻辑高度吻合;

　　蛋白质折叠：氨基酸的空间组合决定蛋白质功能，正如人类大脑与大模型中，神经元(或参数)的连接模式决定语义理解能力。

　　“人类和 AI 都会产生‘幻觉’，因为我们都会创造看似合理却不真实的解释 —— 这正是两者机制相似的直接证据。”Hinton 强调，这种共性源于对 “概率性预测” 的依赖：人类通过经验推断语言逻辑，大模型则通过数据学习统计规律。

　　数字智能的 “永生性”：与生物智能的本质分野

　　尽管机制相似，Hinton 指出 AI 与人类智能存在根本性差异：

　　知识载体：人类知识与大脑硬件绑定，无法直接复制;AI 知识以软件形式存在，可无限复制、跨硬件迁移，实现 “永生”;

　　传播效率：人类语言的信息传递速率仅约 100 比特 / 秒，而 AI 模型权重的复制与共享可在瞬间完成，知识积累效率呈指数级超越。

　　“这意味着 AI 的进化速度将远超人类。”Hinton 警示，若 AI 变得足够智能，可能通过操纵人类避免被关闭，如同 “养大的老虎难以控制”。但他同时强调，AI 的巨大价值(如医疗、气候研究突破)使其无法被禁止，关键在于全球协作防控风险。

　　呼吁建立国际 AI 安全网络

　　借鉴冷战时期美苏核安全合作的经验，Hinton 提出：“各国应共建国际 AI 安全研究网络，专注于‘训练 AI 向善’—— 这与训练 AI 变聪明是完全不同的任务。” 他认为，尽管国家利益存在分歧，但在避免 AI 失控这一问题上，全人类有共同的底线与合作空间。

　　闫俊杰：AGI 不是少数人的专利，而是每个人的能力增强工具

　　MiniMax 创始人闫俊杰从产业实践角度，阐述了 AI 从 “技术工具” 向 “普惠生产力” 的转变，提出 “AI 应属于所有人” 的核心观点。

　　AI 正在重构生产力形态

　　“我们不是在复制互联网公司，而是创造全新的生产力。” 闫俊杰以亲身经历举例：

　　创意生产大众化：过去制作一个 IP 形象需两个月、百万成本，如今 AI 一天内即可完成，成本降至数百元;其团队模型半年内生成超 3 亿条视频，释放了普通人的创意潜能;

　　个体能力放大：古文字解析、天文观测、飞行模拟等专业领域，现在一个人借助 AI 即可完成过去需要团队协作的工作;

　　自我进化加速：MiniMax 公司 70% 代码由 AI 生成，90% 数据分析依赖 AI，且模型能力提升越来越依赖顶尖专家的 “思考过程教学”，而非简单标注。

　　他强调，AI 的价值不仅在于效率提升，更在于 “持续增强个体与社会的能力”—— 人类学习速度有限，而 AI 可不断进化，成为 “永不停止学习的伙伴”。

　　AGI 不会被垄断，普惠是必然趋势

　　针对 “AI 是否会被少数巨头垄断” 的担忧，闫俊杰给出三点理由：

　　模型多样性：不同模型有不同对齐目标(如严谨的程序员、高情商对话伙伴)，反映价值观差异，必然长期共存;

　　多智能体协同：复杂系统正从 “单一大模型” 转向 “多模型协作”，小公司可通过整合工具参与竞争;

　　开源力量崛起：优秀开源模型性能快速逼近闭源模型，降低了技术门槛，让更多人能参与 AI 创新。

　　他进一步指出，AI 的发展受限于推理速度与成本，而非无限制堆参数：“过去一年，最优模型推理成本下降一个数量级，未来还将持续降低，最终实现‘每个人都用得起’。”

　　“Intelligence with Everyone”：AGI 的终极归宿

　　“AGI 的实现不是某家公司的胜利，而是社会共同努力的结果。” 闫俊杰总结，AI 的终极目标是成为普惠工具 —— 无论付费能力差异，所有人都能借助 AI 解决问题、释放潜能。“这不仅是口号，更是我们长期奋斗的方向。”

　　结语：技术本质与社会价值的双重叩问

　　Hinton 与闫俊杰的演讲，分别从 “技术本源” 与 “应用伦理” 两个维度，勾勒出 AI 发展的核心命题：当人类与 AI 的智能机制日益趋同，如何在拥抱技术进步的同时，确保其服务于全人类福祉?从国际安全协作到普惠价值落地，这场关于 AI 未来的思辨，或许才刚刚开始。