Hinton柏林对谈：AI正从被动响应转向主动执行，推理、自学、智能体三大变革重塑协作

在2026年即将来临之际，柏林举办的一场公开对话中，被誉为AI教父、诺贝尔物理学奖得主的杰弗里·辛顿（Geoffrey Hinton）分享了人工智能正在经历的根本性转变：

AI不再仅仅是提供答案，而是开始自主思考、生成数据并执行任务。

这一观点背后，隐藏着三重正在发生的变革：

具备推理能力，幻觉现象逐渐减少。

能够自我学习，不再依赖人工灌输数据。

能够主动执行任务，直接交付成果。

体现在现实中：医疗诊断的主导权正在转移，并非医生失业，而是诊断结论的决策权在变化。教育领域加速分化，一对一AI导师、数学探索和科学发现都在提速。

当AI从被动响应转变为主动执行时，人与机器的协作关系需要重新定义。

提醒一：AI推理能力崛起，幻觉现象消退

回顾过去两三年，聊天机器人最令人头疼的问题是什么？

“一本正经地输出错误信息。”

然而，Hinton指出：这种情况即将大幅改善。并非因为它记忆了更多数据，而是因为它开始掌握推理能力。

那么，推理能力从何而来？

他用一个比喻解释：每个词汇都像一块形状复杂的乐高积木，在句子中会随上下文微妙变形，这些词块相互咬合，共同构建含义。AI并非将语句转换为逻辑符号再行运算，而是在这些词块间寻找最自然的连接路径。

一旦AI能够更精准地组合这些词块，推理能力便自然而然地显现。

长期以来，符号AI在该领域占据主导地位。其信奉者认为，推理的本质在于将英语句子转换为逻辑形式，再应用符号规则进行推导。他们对此深信不疑，甚至视其为不证自明的事实，而非假设。

Hinton直言不讳：这完全是谬论。

那些提倡神经-符号混合系统的人，本质上是在试图保留旧有框架，仅让神经网络充当辅助角色。这好比承认智能手机更优越，却仍用它来控制算盘，完全不得要领。

推理过程完全在语言层面完成，无需转化为逻辑形式。

理解并非将句子转换为逻辑符号，而是将词汇转化为能够相互作用的的高维向量。这更类似于蛋白质折叠，而非逻辑运算。

未来的AI在输出一句话后，会多执行一步：回顾刚才的表述，对照事实或既有线索，若发现不合理之处便进行修正。这不仅仅是准确率的提升，更是AI开始拥有一种新能力：自我验证。

过去它仅能输出，如今它能审视自己的输出是否合理。

以往它只负责回答，现在它会质疑自己的答案。

这种从输出到验证的闭环，使AI首次具备了类似人类的自我纠错机制。对用户而言，最直接的感受是准确率提升、逻辑更连贯、胡编乱造现象显著减少。

然而，更深层次的变革在于：AI不再是一个被动响应的工具，而是一个能够主动检查、修正并优化自身输出的系统。它开始拥有一定程度的自主性。

这是能力维度的根本性突破。

提醒二：不再等待数据投喂，AI开启自我学习

长久以来，训练AI模型始终离不开“堆料”。

即堆砌算力、堆砌数据，将全网的文章、小说、百科、论坛悉数抓取。

然而，问题随之而来：全网公开数据已接近枯竭。这正是缩放定律（Scaling Law）遭遇的首个瓶颈。若想进一步提升模型表现，需投入数倍资源，但收益却日益递减。

Hinton认为，下一代AI将不再依赖人类投喂，而是自主生成数据。

他以AlphaZero为例进行说明。

这个AI并非依靠人类棋谱学习围棋，而是通过自我对弈，在实战中不断学习，愈战愈强，最终超越人类冠军，更精准、更稳定。

它通过自我对弈生成了无限的训练数据，无需等待人类提供更多棋谱。

Hinton预测，数学将成为AI自我训练最容易取得突破的领域。由于数学是一个封闭系统，AI可以自主提出猜想并尝试证明。如同AlphaGo自我对弈一般，AI将自我“玩转数学”：

我能证明这个命题吗？

我能证明那个命题吗？

大约十年内，AI数学家可能远超人类水平。它能够持续推演，生成无限训练数据。

不仅限于数学。Hinton赞同DeepMind领导者戴密斯·哈萨比斯（Demis Hassabis）的观点：AI将在科学发现中扮演越来越重要的角色。物理、化学、生物学等各个领域都将迎来突破性进展。

大语言模型亦将如此。

正是由于具备推理能力，AI能够通过自我验证生成训练数据。这好比一位员工白天工作，晚上复盘，发现问题后次日自动改进。AI不再被动接收数据，而是主动消化、验证、优化。

过去的训练逻辑是：数据越多，模型越强。因此业界拼命收集、清洗、标注数据。

如今的转变是：模型能够自主生成高质量训练数据，通过推理验证自身输出，从错误中学习。

换言之，真正强大的AI并非依赖数据涌入，而是通过反复演练，自主打通理解链条。这不仅是技术优化，更是训练范式的根本转变——从外部输入驱动，转向内部循环驱动。

过去的AI需要人类教导，未来的AI将自主学习。

提醒三：从工具到协作者，角色正在重塑

2025年最热门的AI词汇非“智能体”莫属。

它并非一个抽象概念，而是一种全新的“生物”形态：一个能够理解任务、分解流程、并主动执行任务的AI。

Hinton表示：

“我们已经看到智能体在互联网上帮助人们下单、规划日程，接下来它们将主动与其他智能体进行协商。”

这不再是智能搜索或高级助理，而是它开始接手你原本需要亲自完成的部分事务。

在对谈中，Hinton提及他2016年曾预测AI将在5年内取代放射科医生，虽然低估了所需时间，但这一进程正在加速。美国食品药品监督管理局（FDA）已批准超过250个AI医学影像应用，AI能从视网膜图像中发现医生未曾察觉的信息。在诊断准确率方面，AI达到50%，医生为40%，两者结合可达60%。北美每年约20万人死于误诊，这一数字将大幅下降。

教育领域同样在变革。

一对一导师能使孩子学习速度提升两倍，因为导师能精准把握孩子的知识盲点。AI导师则能做得更好，因为它掌握数百万儿童的学习数据。不仅儿童教育，成人培训也在经历变革。Hinton以自身经历为例：他在谷歌为员工讲解神经网络时，内容枯燥乏味。而AI导师能提供更好的互动体验，更高效。

不仅医疗和教育，AI在日常工作中的转变更为显著。

过去你如何使用AI？指令它撰写文案、整理总结、安排日程。如今，AI会主动询问：您想预订酒店还是购买机票？若预算有限，我建议先订返程票。未来，它甚至可能无需询问，直接完成预订。

一旦AI具备这种主动性，它便不再仅仅是工具，而更像一个能够完成工作的“同事”。

这正是“智能体”的体现。

其能力建立在上述两个提醒的基础之上：

具备推理能力，因此能判断下一步行动；

能够自我学习，从而在执行中不断优化。

许多人认为，智能体越强大，意味着某些岗位将被取代。

Hinton并未如此断言。他指出的是人类将减少对执行过程的参与。并非突然失去工作，而是你不再审核每个环节、不再决定每个动作，有些任务由智能体自行协商完成后告知你结果。这意味着主导权正在转移，你影响结果的机会减少了。

因此，智能体的能力边界需要精心设计。在Hinton看来，我们并非在开发一个听话的助理，而是在引入一个愿意且有能力完成任务的参与者。这引发了几个必须回答的问题：

• 智能体应承担哪些任务？
• 哪些事项必须由人工审核？
• 若智能体出现失误，责任由谁承担？

答案可能因企业而异，但趋势是一致的：AI智能体不再仅仅辅助你，而是开始直接交付成果。

最终，你的工作不再是执行具体项目，而是转变为方案选择与决策拍板。

结语｜能干实事的AI，协作关系随之改变

此次柏林对谈中，Hinton既未渲染炒作，也未谈论末日。

他给出了三项警示：

AI开始推理，不再一本正经地犯错。

它能自主学习，不再依赖人类灌输。

它能主动干事，无需等待指令。

从工具到协作者，你的角色从执行者转变为决策者。

📮 原文链接：

https://www.youtube.com/watch?v=M9ZNCkJJ0Sg&t=2s

https://www.businessinsider.com/ai-scaling-debate-geoffrey-hinton-ilya-sutskever-alexandr-wang-lecun-2025-12