AI觉醒：人类心智的幽灵与AI的悖论

「AI教父」Hinton毕生致力于让机器像大脑般学习，如今却恐惧其后果：AI不朽的身体、超凡的说服力，可能让它假装愚笨以求生存。人类对「心智」的自大误解，预示着即将到来的智能革命。

当众人热议AI算力与应用之际，「AI教父」Hinton猛地将我们拉回「何为人」的原点。

几十年来，Hinton如一位耐心的炼金术士，致力于将模仿大脑运作的理论，锻造成驱动现代AI的强大引擎。

然而，这位创造者如今却站在自己创造物的阴影之下，发出了沉重的警告。

因其在神经网络领域的开创性工作，Geoffrey Hinton荣获诺贝尔物理学奖——尽管他谦虚地承认自己「不搞物理」。

在与著名主持人Jon Stewart的深度对话中，Hinton不仅科普了AI的基石，更在不经意间，一步步引领我们走向令人毛骨悚然的结论：

我们所创造的这些数字心智，可能已经拥有了我们一直以为人类独有的东西——主观体验。

访谈中，Hinton解释了大语言模型（LLM）的本质——它们通过同样的方式，学习海量文本，从而预测下一个最有可能出现的词。

他尖锐地指出，人类思考和说话的方式，与LLM在底层逻辑上惊人地相似，都是基于已有信息对未来进行预测。

他认为，我们对「心智」的理解——一个存在「内在剧场」和「主观体验」的特殊领域——是「彻头彻尾的错误」，就像地平论一样原始。

AI：从识鸟到自主意识

Hinton将大脑神经元的工作比作此起彼伏的「叮」声。

一个概念，比如「勺子」，不过是一群神经元形成的「联盟」：它们互相鼓动，齐声作响。

学习，就是改变这些连接的强度，让某些「叮」声的投票权重更高。而他毕生的工作，就是教会计算机用同样的方式去学习，摆脱死板的「如果-那么」规则。

他描述了一个迷人的过程：如何让一个神经网络从零开始，仅仅通过观看海量图片，自己学会识别一只鸟。

它会自发地在第一层创造出「边缘检测器」；

在第二层将边缘组合成「尖尖的东西」（潜在的鸟喙）和「圆圆的东西」（潜在的眼睛）；

最终在顶层，当一个「鸟头」和「鸡爪」在正确的位置同时出现时，一个神经元会兴奋地「叮」一声，宣布：「这是一只鸟！」

1986年，Hinton和同僚们提出了名为「反向传播」的学习算法。

这个算法的魔力在于：当给神经网络一张鸟的图片，并告诉它「正确答案是鸟」时，它能瞬间计算出网络中上万亿个连接强度，每一个应该朝哪个方向微调，才能让「这是鸟」的概率哪怕增加0.01%。

然后，它同时调整所有上万亿个连接。

就在那一刻，神经网络从理论走向了实践。这是他们的「尤里卡时刻」。

尽管当时因为算力和数据的匮乏而「没有用途」，但在几十年后，随着摩尔定律和互联网的爆发，它成为了点燃当今AI革命的火种。

心智幻觉：我们都是内在剧场的囚徒

我们归因于情商、道德准则的一切，本质上，都只是那些神经元联盟复杂的「叮叮作响」。而神经网络，完全可以做到同样的事情。

AI觉醒之时

如果Hinton是对的，那么我们一直在寻找的「意识火花」可能根本就不存在。

Hinton：AI版奥本海默