全文 5,000字 | 閱讀約30分鐘

（視頻：諾獎得主Geoffrey Hinton在多倫多大學本科新生講座）

你以為自己一直在追AI，

用工具、看教程、嘗試各種新功能。

你是不是也想過：

“只要跟上它的節奏，就不會被落下。”

可你有沒有真正問過自己——

“我到底理解它在做什么嗎？”

你在生成回答，卻沒再追問：“為什么是這個答案？”

你在執行指令，卻忽略了另一個問題：“我是在用它，還是被它用？”

昨天，在多倫多大學的一場本科新生講座上，

AI 教父、諾獎得主 Geoffrey Hinton，對一群大學生說出：

“你以為是 AI 在進化迭代， 其實是人類還沒學會思考。”

這不是一句哲學空談，

而是一場現實警告：

如果你不重新理解“思考”， 你就無法真正理解 AI，更別說用好它。

• 1、你以為 AI 已經會思考了，對吧？

Claude的類人對話、GPT的多輪記憶、DeepSeek 的系統集成……

這一切讓人誤以為：AI 已經很接近人類智能了。

但在多倫多大學的講座上，Hinton 提出一個更根本的問題：

“你真的理解過，‘思考’到底是什么嗎？”

所有人都在追 AI，，

可我們是不是反而忘了，先重新理解我們自己的‘理解’？

Hinton并不否認 AI 的加速。他說：

“AI正在接近我幾十年前的愿景。”

緊接著他補充：

“問題是，我們自己到現在都還不清楚——什么才是思維。’”

這不是他在自謙，而是他研究五十年后的判斷：

人類對“智能”的想象，長期被邏輯主義所誤導。

• 2、思考，不是推理，而是“發現別人可能搞錯了”

他講了一個真實的小實驗：

在他年輕時做心理學研究時，

他觀察3到5歲的孩子分辨不同形狀和顏色。

有一組樣本中，出現了紅色圓形、黃色圓形、黃色正方形。

一個聰明的五歲孩子沒有選擇哪個“不同”，而是指出：

“你把那個圓形涂錯顏色了。”

這句話震住了他。

他不是答題，而是在理解規則后，反過來質疑規則本身。

這，是“思考”真正開始的地方。

Hinton總結說：

“我們現在的 AI，可以學會回答問題。 但它還不能發現問題，更不能指出人類可能搞錯了。”

它能預測語言，卻不懂語言的歧義；

它能模仿思維，卻無法質疑前提。

它看起來像在思考，其實只是套用了格式。

• 3 、人不是邏輯動物，而是“類比動物”

Hinton說：

“我們不是邏輯動物，而是類比動物。”

你不是通過一套規則思考，

而是通過一連串模糊的經驗、感受、相似性進行判斷。

這正是人類思維的復雜之處——

不是算法邏輯，而是一種模糊而動態的類比直覺。

我們可能在AI身上看見“人”，但它不懂“人”

他提醒學生：

“你們從中學一路走來，被教會了如何寫出‘正確答案’。 但在真正復雜的世界里，發現問題，比回答問題更重要。”

這句話，不只是說給臺下的新生。

是說給所有還在‘答題’的人類社會。”

?? 第二節｜Hinton 50年只追一個問題

• 1、不是學霸人生，而是一連串“亂選”后的執念

很多人以為，像 Hinton 這樣的科學家，一定是少年天才、一路開掛。

其實恰好相反。

他說，自己剛進劍橋，第一次離開家，才發現：自己并不比別人聰明。

“一個月后我就退學了。”

他做過零工，申請過建筑專業。

第二天又變卦，回去讀了科學。

后來像走馬燈一樣換專業：生理學、哲學、心理學……

聽起來像是在逃避，其實他一直在找答案。

本科時他學物理還不錯，但數學太復雜。

他干脆說：“我永遠成不了物理學家。”

他喜歡生理學，但夏季課程講神經系統的時候讓他失望：

“他們只講了沖動是怎么傳導的，但沒講它是怎么‘工作的’。”

他去哲學、心理學里找答案，一個太空，一個太淺，都沒碰到‘思維的核心’。

直到多年后他才明白：

“如果你真的想理解思維， 你必須理解大腦是如何工作的。 光靠哲學、心理學、邏輯，是不夠的。”

• 2、“混亂”的路線，反而是他成為諾獎得主的根基

Hinton 對在場學生說：

“我走了一條混亂的路，但回頭看，每個學科都在為后來打底。”

• 哲學讓他質疑“理性”的本質，

• 心理學讓他接觸實驗方法，

• 生理學則建立了他對神經結構的直覺。

后來進入人工智能領域，他才開始真正“搭建思維的機器”。

這也印證了他今天最想告訴年輕人的一句話：

“比起‘你學什么’，更重要的是‘你想弄明白什么’。”

• 3、他不是追著趨勢跑，而是盯著一個問題，跑了50年

他說：““我之所以做人工智能，是因為我相信——我們能在電腦里，模擬出‘小型思維’。”

不是因為“AI 是風口”，

更不是因為“這個專業有前景”，

這些話，在今天這個所有人都在選“熱門專業”、追“未來方向”的時代里， 反而顯得格格不入。

但你如果回頭看——

今天的熱門方向，幾乎全都是那些當年被嘲諷“冷門”的人，長期沉進去、默默打磨幾十年打下的基礎。

講座臨近尾聲，他講了一句很輕的話：

“我當過木匠，做過實驗失敗，也曾放棄學術。 但我一直沒放棄“人類是怎么思考的”這個問題。”

他提醒學生：路徑可以混亂，但動機要清晰。

你可以換專業，可以失敗，可以走彎路，但你要問自己：

“有沒有一個問題，是你愿意花五十年去追的？”

• 1、“理解”不是預測下一句話，而是知道你在說什么

現在的 AI 模型表現得越來越“聰明”。

它能寫新聞、畫圖、生成策略文案，

甚至能在醫學考試、法律分析、邏輯測試中超越人類平均分數。

但在 Hinton 看來，這并不意味著它“理解了”世界。

“AI 所做的，不過是預測下一個詞—— 它不理解你在說什么，只是在擬合你會說什么。”

他說，它會接話，也能模仿人類的語氣、節奏、態度，

讓你覺得它好像真的在“懂你”。

但當你問它：“你為什么這么回答？”

它卻根本答不上來。

你以為它是邏輯清晰的“答題者”，結果它連自己為什么答這題都不知道。

• 2、預測 ≠ 理解，模仿 ≠ 思維

Hinton強調，預測是一種表層行為，

但“理解”必須包含一個更復雜的結構：

它必須能整合上下文、指向現實、具備解釋力。

他說：“它會寫詩，卻不懂孤獨；能編對白，卻從未愛過誰。”

這不是浪漫主義的批評，而是技術路線上的提醒：

“我們造出了看懂世界表面的系統，卻還沒造出能解釋世界的系統。”

人類的理解力，是從“解釋差異”開始的。

什么意思？

真正的理解，是從能解釋‘例外’開始的。

他舉了一個簡單例子：

為什么我們能理解“他傷心地笑了”這種矛盾短語？

為什么我們能通過語氣、上下文、過去的經驗，來判斷這是一種“諷刺”或“防御性”笑？

因為我們的大腦是不斷在構建一個“世界模型”：

• 包含模糊的經驗片段

• 包含情緒的重量、語境的厚度

• 包含你對自己過去判斷的修正能力

Hinton說，這種東西，是當前的 AI 暫時沒有的。

“AI 沒見過世界，也從未經歷誤解、失敗、修正—— 它只是在生成‘像理解的回答’。”

• 3、理解的本質，是“元認知”而不是“精度”

Hinton特別強調：

我們要追求的 AI，

不是更精準的模仿者，

而是能反思、能質疑前提、能與人類一起重新定義問題的系統。

這類智能目前還很原始，也不是主流方向。

因為它慢、難、看起來“不炫技”。

但 Hinton反復提醒：

“我們要構建的，是能共存的智能，不是能奪權的智能。”

現在大多數人談 AGI：

“AI 是否能像人一樣完成工作？”

但 Hinton的提問方式是：

“你是否真的理解‘人是怎么完成工作的’？”

這不是一個哲學問題，而是一個工程入口問題。

如果你連“人類理解”是如何形成的都不知道，

那你訓練出的模型，很可能只是一個幻象——

它會說話，卻不知道自己在說什么；

它看起來理性，其實連規則從哪兒來的都沒搞明白。

“不是 AI 不聰明，而是我們太急著定義‘聰明’了。”

• 1、焦慮背后，是“人類價值”的錯位

你焦慮的，不只是“大學專業選得對不對”，

而是越來越不確定：“人類的價值，還剩下什么？”

當 AI 能改稿、配圖、自動列提綱，

連學校開設的新專業，也清一色投向了數據、算法和自動化。

你開始懷疑：

“我會的東西，真的還有價值嗎？”

教育部增設的新專業，幾乎全部跟人工智能相關。

官方的信號已經很明確了：

未來的人才，最好既能讀懂機器，也能被機器讀懂。

與此同時，

在多倫多大學的講座上，Hinton 表達出了一句更具穿透力的話：

“如果你沒有一個真正感興趣的問題，選什么專業都沒意義。”

這不是在唱高調，

而是在提醒我們：

真正被 AI 拿走的，不是“技能”，而是“主動思考的機會”。

他不是一開始就知道自己要做 AI，也不是一路順風

——只是沒那么快放棄那個讓他困惑幾十年的問題。

• 2、文科的“無用”，恰恰是它的價值所在

今天很多人指責“文科沒用”，是因為它不直接“產出”：

它不造芯片、不跑模型、不寫算法。

但它能提問、能命名、能反問本身——這些，AI 還遠遠做不到。

你以為理解文學、哲學、歷史是沒用的，

但 GPT 的幻覺（hallucination），本質上是它無法理解語境、權力、諷刺這些結構。

你以為 AI 寫稿子比你快，

但它還分不清：

哪句話會傷人，哪張圖是壓迫，哪個詞會引發共鳴。

這些，就是文科教育本該訓練的東西， 也是“深度人類性”的一部分。

講座中，Hinton 反復提醒學生：

“你越年輕，就越有時間允許自己失敗。”

但今天的年輕人，

越來越沒有犯錯的空間， 沒有“純粹探索”的勇氣。

不是因為他們懶，而是社會在反復訓練你：

“這有用嗎？” “這能掙錢嗎？” “這能防止我失業嗎？”

而 Hinton 的整個人生主張恰恰相反：

“你要先想清楚，什么問題讓你著迷，其他的才有意義。”

你不是沒用，而是太早被迫成為執行者。

你不是工具人，

你只是太早放棄了‘當思考者’的機會。

• 3、不是為文科辯護，而是為“人類余地”留出一塊地

你可以不學哲學，

但你得能提出哲學式的問題。

你可以不寫小說，

但你得能感知人類故事的復雜結構。

未來的 AI 會越來越強， 但越強，它越像一面鏡子：

照見人類自己，丟掉了什么。

• 1、你焦慮的是 AI，其實更該怕的是“認知自動駕駛”

在講座問答環節中，有學生問 Hinton：

“你怎么看 AI 對未來職業的影響？”

面對學生關于‘未來職業’的問題，Hinton沒有直接回答，

他講了一個自己年輕時的經歷：

20世紀70年代，他曾短暫離開學術，成為一名木匠。他說：

“那時候我真的以為，學術這條路走不通了。”

但后來他遇到一位真正的木匠，對方手藝比他好得多。

他突然意識到：

“也許我該回去搞研究。相比之下，做學術還容易點。”

這不是轉行的插曲，而是他想提醒我們：

“人類最大的問題，從來不是技術，而是我們太容易放棄思考。”

Hinton提到，大多數人把 AI 看成是外部威脅——

怕它太聰明、太快、太卷。

但他反問學生：

“你有沒有意識到，你每天的很多決定， 都是在沒有真正思考的情況下做出來的？”

我們做選擇，不是出于興趣，而是出于‘證明有用’：

選標題只看吸引眼球，選專業只看好不好就業，學技能也只看能不能變現。

不是 AI 在接管世界，而是我們早就把主導權交了出去。

• 2、諾獎，不是因為聰明，而是他沒換問題

Hinton并不是一開始就決定做人工智能，

也不是一路開掛的“少年天才”。

他說，自己數學一般，人生轉了不少彎。

“我想弄明白，大腦是怎么工作的。”

不是他規劃得比別人好，

而是他沒換掉那個讓他困惑幾十年的問題。

這跟今天很多人的路徑焦慮正好相反。

我們太習慣“規劃路徑”，

卻很少認真問自己：

“我想弄清楚什么？”

就算沒有目標，也別急著丟掉那個讓你困惑的問題。

• 3、AI越像人類，人類卻越不像自己

AI 不停在進化，；

而我們人類卻越來越習慣不提問。

Hinton沒有貶低AI，但他表示：

“我們要做的不是把 AI 變得更像人， 而是該回頭問自己：我們還像人嗎？”

在講座中，他回想起一件童年小事。

他說自己五歲時，

看到一枚硬幣在車座上“逆坡滾動”，他非常困惑，以為看到了魔法。

多年后他才知道，那不是魔法，而是物理——

是座位上的纖維配合震動，制造了一個“單向推進”的摩擦。

然后他說了一句話：

“重要的，不是能不能解決問題，而是有沒有那個讓你停下來的困惑。”

未來，不是 AI 把我們變傻了，

而是我們太早，就學會跳過了“為什么”。

?? 第六節｜別再說 AI 在進化，是你沒開始思考

AI 會生成畫面，寫下對白，編出浪漫。

但它越像人，越讓我們意識到：

我們，好像越來越不像人。

但 Hinton 說：

“你以為是 AI 在進化， 其實是人類還沒學會思考。”

我們太習慣讓模型給出答案，

卻很少問一句：這真的是理解嗎？

他不是在唱衰技術，

而是在提醒：

不是你會不會用 AI， 而是你用它，是在省事，還是在思考？

未來，不是靠執行命令的人留下，

而是那些能用 AI 反思世界、修正思維的人留下。

這不是一個關于 AI 的時代，

這是逼你重新成為‘思考的人’的時代。

下次你用 AI，別只生成答案，

問一句：“我為什么要這么問？”

留下的，不是最快的人，

而是那些還在追問的人。

留言告訴我們：

你有沒有那個，愿意追十年都不放手的問題？

本文由AI深度研究院出品，聚焦全球 AI 創新浪潮中的企業轉型策略。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

參考資料：https://www.youtube.com/watch?v=vpUXI9wmKLc&t=3309s&ab_channel=UniversityofToronto

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編: 圖靈