“深度学习教父”杰弗里·辛顿先生在2025世界人工智能大会上的演讲问答

课件老师知道杰弗里·辛顿先生，源于《深度学习革命》这本书。

为了便于大家理解，课件老师使用通义千问转成了逐字稿，把通义设计的问答形式得到的全文也复制在下面，方便大家理解。

问：杰弗里辛顿先生，您认为数字智能是否会取代生物智能？

答：我的观点是，数字智能与生物智能是互补而非取代的关系。历史上，AI发展有逻辑性和生物性两种范式，分别强调推理和学习。最近几十年来，随着技术进步，特别是深度学习和神经网络的发展，数字智能已经能够模拟自然语言，并通过特征向量嵌入等方式理解语义关系。虽然数字智能在某种程度上模仿了人类理解语言的方式，但它仍然基于预设的规则和模型，而人类的理解更为灵活且具有情境适应性。

问：您能否分享一下AI从符号智能到现今大语言模型的发展历程？

答：当然可以。从60多年前开始，AI研究经历了符号智能范式，即通过符号规则进行推理来理解知识。后来，随着对生物智能的理解加深，计算语言学家开始接受特征向量来表示词义，并在后续的发展中，谷歌发明了transformers模型，OpenAI的研究也展示了强大的语言生成能力。这些现代模型虽然采用了更复杂的结构和大量模糊不清的数字输入，但其核心思想与人类理解语言的方式相似，即把语言转化为一系列特征，并将这些特征整合在一起。

问:那么，在您看来，大语言模型理解和处理语言的方式与人脑有何异同？

答：大语言模型理解和处理语言的方式与人脑的理解方式有相似之处，都是将语言转化为可整合的特征，并根据上下文动态调整词语之间的交互方式。然而，人脑在理解和运用语言时更具灵活性和创造性，能够根据不同的情况产生幻觉或创造新的语言表达，这是目前大语言模型所不具备的能力。同时，计算机科学的基本原则是将软件和硬件分离，这意味着软件中的知识是永恒存在的，不会因硬件损坏而消失，这也体现了知识的永生性。但实际应用中，要在高工具级别下运行并产生可靠二进制行为的过程较为昂贵，并无法充分利用硬件中丰富的类似特性。

问：人脑和硬件在知识处理上有哪些不同？

答：人脑是模拟型的，每次神经元激发过程都会有所不同，而无法将个人大脑中的神经元结构复制到另一个个体中。这导致了知识传播方式与硬件的差异性，人的大脑与电子硬件在结构和处理能力上是不依赖的，并且人脑以相对较小的功率（如大脑只需30瓦特）就能实现高效的运作，拥有数十亿的神经连接。

问：数字智能体相较于模拟智能体在知识分享方面有何优势？

答：数字智能体可以在不同的硬件上以同样的方式高效地分享知识，通过调整权重和利用网络结构，可以在成千上万的拷贝中平均化信息，从而快速转移知识。相比之下，模拟智能体如人脑，在知识从一个个体向另一个个体传递时，效率较低，且受制于信息传输的效率限制。

问：如何看待未来AI的发展及其对人类的影响？

答：随着AI技术的进步，预计将会出现比人类更智能的AI，这引发了关于AI是否应被关机或操控的问题。智能体具有自我复制和升级的能力，可能会操控人类社会。因此，训练AI使其不寻求统治世界，而是作为人类的有效工具至关重要。建议建立国际社群和机构，共同研究如何训练AI向善，确保人类能有效管理和引导AI的发展。

自媒体时代的规矩，文章对您有帮助就要转发、点赞，还要在评论区反馈！