本文來源：深度研究員

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(jié)奏，就不會被落下?！?/span>

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(zhí)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(xué)的一場本科新生講座上，

AI 教父、諾獎得主 Geoffrey Hinton，對一群大學(xué)生說出：

“你以為是 AI 在進(jìn)化迭代，

其實(shí)是人類還沒學(xué)會思考?！?/p>

這不是一句哲學(xué)空談，

而是一場現(xiàn)實(shí)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。

? 第一節(jié)｜AI越來越強(qiáng)？別被假“理解”騙了

• 1、你以為 AI 已經(jīng)會思考了，對吧？

Claude的類人對話、GPT的多輪記憶、DeepSeek 的系統(tǒng)集成……

這一切讓人誤以為：AI 已經(jīng)很接近人類智能了。

但在多倫多大學(xué)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(rèn) AI 的加速。他說：

“AI正在接近我?guī)资昵暗脑妇??！?/p>

緊接著他補(bǔ)充：

“問題是，我們自己到現(xiàn)在都還不清楚——什么才是思維?！?/p>

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(dǎo)。

• 2、思考，不是推理，而是“發(fā)現(xiàn)別人可能搞錯了”

他講了一個真實(shí)的小實(shí)驗：

在他年輕時做心理學(xué)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(xiàn)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?！?/p>

這句話震住了他。

他不是答題，而是在理解規(guī)則后，反過來質(zhì)疑規(guī)則本身。

這，是“思考”真正開始的地方。

Hinton總結(jié)說：

“我們現(xiàn)在的 AI，可以學(xué)會回答問題。

但它還不能發(fā)現(xiàn)問題，更不能指出人類可能搞錯了。”

它能預(yù)測語言，卻不懂語言的歧義；

它能模仿思維，卻無法質(zhì)疑前提。

它看起來像在思考，其實(shí)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?！?/p>

你不是通過一套規(guī)則思考，

而是通過一連串模糊的經(jīng)驗、感受、相似性進(jìn)行判斷。

這正是人類思維的復(fù)雜之處——

不是算法邏輯，而是一種模糊而動態(tài)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(xué)生：

“你們從中學(xué)一路走來，被教會了如何寫出'正確答案’。

但在真正復(fù)雜的世界里，發(fā)現(xiàn)問題，比回答問題更重要?！?/p>

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(jié)｜Hinton 50年只追一個問題

• 1、不是學(xué)霸人生，而是一連串“亂選”后的執(zhí)念

很多人以為，像 Hinton 這樣的科學(xué)家，一定是少年天才、一路開掛。

其實(shí)恰好相反。

他說，自己剛進(jìn)劍橋，第一次離開家，才發(fā)現(xiàn)：自己并不比別人聰明。

“一個月后我就退學(xué)了?！?/p>

他做過零工，申請過建筑專業(yè)。

第二天又變卦，回去讀了科學(xué)。

后來像走馬燈一樣換專業(yè)：生理學(xué)、哲學(xué)、心理學(xué)……

聽起來像是在逃避，其實(shí)他一直在找答案。

本科時他學(xué)物理還不錯，但數(shù)學(xué)太復(fù)雜。

他干脆說：“我永遠(yuǎn)成不了物理學(xué)家?！?/span>

他喜歡生理學(xué)，但夏季課程講神經(jīng)系統(tǒng)的時候讓他失望：

“他們只講了沖動是怎么傳導(dǎo)的，但沒講它是怎么'工作的’?！?/p>

他去哲學(xué)、心理學(xué)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(xué)、心理學(xué)、邏輯，是不夠的?！?/p>

• 2、“混亂”的路線，反而是他成為諾獎得主的根基

Hinton 對在場學(xué)生說：

“我走了一條混亂的路，但回頭看，每個學(xué)科都在為后來打底?！?/p>

• 哲學(xué)讓他質(zhì)疑“理性”的本質(zhì)，
• 心理學(xué)讓他接觸實(shí)驗方法，
• 生理學(xué)則建立了他對神經(jīng)結(jié)構(gòu)的直覺。

后來進(jìn)入人工智能領(lǐng)域，他才開始真正“搭建思維的機(jī)器”。

這也印證了他今天最想告訴年輕人的一句話：

“比起'你學(xué)什么’，更重要的是'你想弄明白什么’?！?/p>

• 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’?！?/span>

不是因為“AI 是風(fēng)口”，

更不是因為“這個專業(yè)有前景”，

這些話，在今天這個所有人都在選“熱門專業(yè)”、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(dāng)年被嘲諷“冷門”的人，長期沉進(jìn)去、默默打磨幾十年打下的基礎(chǔ)。

講座臨近尾聲，他講了一句很輕的話：

“我當(dāng)過木匠，做過實(shí)驗失敗，也曾放棄學(xué)術(shù)。

但我一直沒放棄“人類是怎么思考的”這個問題?！?/p>

他提醒學(xué)生：路徑可以混亂，但動機(jī)要清晰。

你可以換專業(yè)，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？”

?? 第三節(jié)｜AI 很會預(yù)測，但不懂“理解”

• 1、“理解”不是預(yù)測下一句話，而是知道你在說什么

現(xiàn)在的 AI 模型表現(xiàn)得越來越“聰明”。

它能寫新聞、畫圖、生成策略文案，

甚至能在醫(yī)學(xué)考試、法律分析、邏輯測試中超越人類平均分?jǐn)?shù)。

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(yù)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(jié)奏、態(tài)度，

讓你覺得它好像真的在“懂你”。

但當(dāng)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(jié)果它連自己為什么答這題都不知道。

• 2、預(yù)測 ≠ 理解，模仿 ≠ 思維

Hinton強(qiáng)調(diào)，預(yù)測是一種表層行為，

但“理解”必須包含一個更復(fù)雜的結(jié)構(gòu)：

它必須能整合上下文、指向現(xiàn)實(shí)、具備解釋力。

他說：“它會寫詩，卻不懂孤獨(dú)；能編對白，卻從未愛過誰?！?/span>

這不是浪漫主義的批評，而是技術(shù)路線上的提醒：

“我們造出了看懂世界表面的系統(tǒng)，卻還沒造出能解釋世界的系統(tǒng)?！?/p>

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(jīng)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(gòu)建一個“世界模型”：

• 包含模糊的經(jīng)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(dāng)前的 AI 暫時沒有的。

“AI 沒見過世界，也從未經(jīng)歷誤解、失敗、修正——

它只是在生成'像理解的回答’?！?/p>

• 3、理解的本質(zhì)，是“元認(rèn)知”而不是“精度”

Hinton特別強(qiáng)調(diào)：

我們要追求的 AI，

不是更精準(zhǔn)的模仿者，

而是能反思、能質(zhì)疑前提、能與人類一起重新定義問題的系統(tǒng)。

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(fù)提醒：

“我們要構(gòu)建的，是能共存的智能，不是能奪權(quán)的智能?！?/p>

現(xiàn)在大多數(shù)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(xué)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(xùn)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(shí)連規(guī)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?！?/p>

?? 第四節(jié)｜不是專業(yè)貶值，是你太快放棄了“困惑權(quán)”

• 1、焦慮背后，是“人類價值”的錯位

你焦慮的，不只是“大學(xué)專業(yè)選得對不對”，

而是越來越不確定：“人類的價值，還剩下什么？”

當(dāng) AI 能改稿、配圖、自動列提綱，

連學(xué)校開設(shè)的新專業(yè)，也清一色投向了數(shù)據(jù)、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(shè)的新專業(yè)，幾乎全部跟人工智能相關(guān)。

官方的信號已經(jīng)很明確了：

未來的人才，最好既能讀懂機(jī)器，也能被機(jī)器讀懂。

與此同時，

在多倫多大學(xué)的講座上，Hinton 表達(dá)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(yè)都沒意義。”

這不是在唱高調(diào)，

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(jī)會”。

他不是一開始就知道自己要做 AI，也不是一路順風(fēng)

——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(zé)“文科沒用”，是因為它不直接“產(chǎn)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(yuǎn)遠(yuǎn)做不到。

你以為理解文學(xué)、哲學(xué)、歷史是沒用的，

但 GPT 的幻覺（hallucination），本質(zhì)上是它無法理解語境、權(quán)力、諷刺這些結(jié)構(gòu)。

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(fā)共鳴。

這些，就是文科教育本該訓(xùn)練的東西， 也是“深度人類性”的一部分。

講座中，Hinton 反復(fù)提醒學(xué)生：

“你越年輕，就越有時間允許自己失敗?！?/p>

但今天的年輕人，

越來越?jīng)]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(fù)訓(xùn)練你：

“這有用嗎？”

“這能掙錢嗎？”

“這能防止我失業(yè)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?！?/p>

你不是沒用，而是太早被迫成為執(zhí)行者。

你不是工具人，

你只是太早放棄了'當(dāng)思考者’的機(jī)會。

• 3、不是為文科辯護(hù)，而是為“人類余地”留出一塊地

你可以不學(xué)哲學(xué)，

但你得能提出哲學(xué)式的問題。

你可以不寫小說，

但你得能感知人類故事的復(fù)雜結(jié)構(gòu)。

未來的 AI 會越來越強(qiáng)， 但越強(qiáng)，它越像一面鏡子：

照見人類自己，丟掉了什么。

?? 第五節(jié)｜人類的優(yōu)勢，是會問“為什么”

• 1、你焦慮的是 AI，其實(shí)更該怕的是“認(rèn)知自動駕駛”

在講座問答環(huán)節(jié)中，有學(xué)生問 Hinton：

“你怎么看 AI 對未來職業(yè)的影響？”

面對學(xué)生關(guān)于'未來職業(yè)’的問題，Hinton沒有直接回答，

他講了一個自己年輕時的經(jīng)歷：

20世紀(jì)70年代，他曾短暫離開學(xué)術(shù)，成為一名木匠。他說：

“那時候我真的以為，學(xué)術(shù)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(xué)術(shù)還容易點(diǎn)。”

這不是轉(zhuǎn)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(shù)，而是我們太容易放棄思考?！?/p>

Hinton提到，大多數(shù)人把 AI 看成是外部威脅——

怕它太聰明、太快、太卷。

但他反問學(xué)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(biāo)題只看吸引眼球，選專業(yè)只看好不好就業(yè)，學(xué)技能也只看能不能變現(xiàn)。

不是 AI 在接管世界，而是我們早就把主導(dǎo)權(quán)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(shù)學(xué)一般，人生轉(zhuǎn)了不少彎。

“我想弄明白，大腦是怎么工作的?！?/span>

不是他規(guī)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(xí)慣“規(guī)劃路徑”，

卻很少認(rèn)真問自己：

“我想弄清楚什么？”

就算沒有目標(biāo)，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(jìn)化，；

而我們?nèi)祟悈s越來越習(xí)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(jìn)”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?！?/p>

未來，不是 AI 把我們變傻了，

而是我們太早，就學(xué)會跳過了“為什么”。

?? 第六節(jié)｜別再說 AI 在進(jìn)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(jìn)化，

其實(shí)是人類還沒學(xué)會思考?！?/p>

我們太習(xí)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(shù)，

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(zhí)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(guān)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。