AI 教父辛顿最新访谈：机器已经在思考，下步不是造更大的模型而是让它自我修正

摘要

"机器会不会思考" 争论多年，AI 教父辛顿直接回答：它们已经会思考了。他抛出更颠覆的判断 ——AI 的下一步不是造更大的模型，而是让模型自我推理、发现自己信念的矛盾、自我修正。这可能是通往更强 AI 的关键路径。

一、AI 教父的直白回答：机器已经会思考了

关于 "机器到底会不会思考"，AI 教父杰弗里・辛顿在一次最新访谈里给出直接回答：它们已经知道如何思考。 他的理由很特别。很多人以为 "思考" 只是逻辑运算、摆弄符号，但辛顿指出，思考有很多种形式 —— 人们用图像思考、用动作思考，也大量用语言思考。而大型语言模型的实际运作方式，和人类非常相似。他举了个经典例子：题目问 "船上有船长和 35 只羊，船长多大"，很多美国孩子会说 35 岁，因为题目里只有 35 这个数字，孩子做的是符号替换。AI 有时也会被诱使犯同样的 "错误"—— 这说明它们和人的思维方式确实有相似之处。

二、链式推理：AI 会在心里 "自言自语" 地思考

辛顿认为，人们通过这些语言模型意识到一件重要的事：可以训练它们用语言在心里思考，这叫做链式推理。 训练之后，你给模型一个问题，它会像人一样 "自己想一想"，有时给错答案，但你能看到它在思考 —— 它先输出一个 "我在思考" 的符号，然后展开自己的思考过程。

这就是当前大模型能力提升的关键机制之一。 现在的模型面对复杂问题时，不再直接给答案，而是先生成一段内部推理链，把中间步骤 "想清楚" 再作答。这也是为什么一些难题它能答对 —— 它不是靠死记硬背，而是像人一样逐步推理。

三、人和 AI 在解决不同的问题：连接 vs 经验

辛顿抛出一个很有意思的对比：

1. 人脑：约 100 万亿个连接，但一生只有约 20 到 30 亿秒的经验 —— 连接多、经验少，所以要从每一次经历中榨取最大价值；

2. 大语言模型：约 1 万亿个连接（人脑的 1%），但获得的经验比人多几千倍 —— 连接少、经验多，反向传播擅长把海量知识压缩进少量连接。 他由此推测，人脑可能没有使用反向传播 —— 因为人和 AI 在解决的是不同的问题。这也解释了为什么 AI 在某些任务上能碾压人类：它用有限的连接，装下了远超人类的经验。

四、扩展的真相：数据耗尽，收益递减

过去多年有个稳定规律：把神经网络做大、喂更多数据，它就会可预测地变好。但现在，这种 "扩大规模就有收益" 的路径是否开始失效，是一个开放问题。

AI 行业管这个叫 "规模法则"（scaling law）。 过去大家相信 "模型越大、数据越多、越聪明"，投入能提前算出回报。但辛顿指出，如果你耗尽数据，即使继续扩大规模，也会遇到收益递减 —— 光靠堆算力和数据，天花板正在显现。 他用一个类比：有的神经网络能自己生成数据，就像钚反应堆能自己产生燃料。这是突破数据瓶颈的关键思路。

五、AlphaGo 的启示：自我对弈，突破模仿上限

辛顿用围棋和国际象棋说明 "自我学习" 的威力。 早期围棋程序靠模仿专家棋步，但模仿永远不能比专家强太多，还会耗尽专家数据。后来 AlphaGo 改为与自己下棋，每秒自我对弈无数盘，不断生成 "什么是好棋" 的新数据，最终远超人类。AlphaZero 更厉害 —— 它不像早期国际象棋程序那样靠蛮力搜索数百万局面，而是像有天赋的大师一样下棋，靠的是出色的直觉。

这就是 "自我博弈" 训练，让 AI 自己当自己的老师。 它不需要外部专家数据，通过不断和更强的自己对弈，持续进化。这也引出一个让辛顿都警惕的问题：语言领域会不会也发生同样的事？

六、AI 的下一步：不是更大的模型，而是自我推理、自我修正

辛顿的判断，把全篇引向最核心的洞察：语言模型目前的 "模仿专家" 式学习，和早期围棋程序模仿棋手一样，永远超不过专家太多。但推理可以成为新的学习方式。模型可以把已相信的信念拿出来推理，然后发现：既然我相信 A 和 B，按逻辑应该也相信 C，但我并不相信 C—— 这说明某处有矛盾。它就能从中学习，修正前提或结论，不需要更多外部数据，自己就能变得更聪明。这就是 "检测自身信念矛盾" 的自我修正能力。 辛顿透露，他和谷歌 DeepMind 负责人早就坚信，这是为语言模型获取更多数据的道路，Gemini 已经开始这样运作。

4. 独立观点（约 350 字）

辛顿这场访谈，最颠覆的不是 "AI 已经会思考"，而是他指出的那个转折点：AI 的下一个突破，可能不再靠造更大的模型、喂更多数据，而是靠让模型学会自我推理、自我修正、自我生成经验。过去几年，整个行业信奉 "规模法则"—— 模型越大、数据越多，能力越强，收益可提前计算。但辛顿点破了这条路的极限：数据终究会耗尽，光靠堆算力和参数，收益会递减。AlphaGo 用自我对弈突破了模仿专家的上限，这提醒我们，真正的智能跃迁，靠的是 "自己当自己的老师"。 更值得玩味的是他关于 "信念矛盾" 的判断。AI 能检测自己相信的东西前后矛盾并修正，这说明智能不只是 "预测下一个词"，而是具备某种自我反思能力。这既是机遇也是警钟 —— 一个能自我修正、持续进化的 AI，能力边界将远超今天。 对普通人来说，这场访谈的启示是：别再用 "机器只是工具、不会思考" 安慰自己，也别陷入 "AI 马上取代人类" 的恐慌。看清 AI 从 "模仿人类" 走向 "自我进化" 的路径，才能更理性地规划自己的学习和能力，把精力放在 AI 还难以复制的人类独特价值上。