【独家专访】诺奖得主Hinton 首次系统阐述：为何说接下来十年AI将颠覆人类社会运行方式

人工智能的浪潮正席卷全球,而这一切的起点可以追溯到OpenAI。 2024年诺贝尔物理学奖得主、被誉为"深度学习之父"的Geoffrey Hinton（杰弗里·辛顿）在近期接受韩国KBS电视台采访时指出,ChatGPT的横空出世标志着生成式AI时代的来临。这位多伦多大学名誉教授认为,人工神经网络能够高效运作主要得益于三大关键因素:英伟达为游戏开发的高性能芯片提供的惊人算力、互联网上可获取的海量数据,以及技术的不断突破。 事实上,仅ChatGPT的训练就耗费了1万颗英伟达芯片。而这样一个能够像人类一样思考和对话的AI系统,已经成为了生成式人工智能发展的重要里程碑。Hinton表示:"10年前,没有人能预料到GPT-4或谷歌的Gemini这样的大型语言模型会出现。正因如此,10年后的今天也将会发生无人能预料的事情。人类将见证超出所有想象的进步。" 这场AI革命的重要性和历史意义,很可能超越以往任何一次技术革命。回顾工业革命,它帮助人类突破了体力的限制。而今天的AI革命,则可能让我们突破智力的边界,从根本上改变整个社会的运行方式。这种深远的影响虽然难以想象,但毫无疑问将成为人类文明史上一个关键的转折点。 对话文稿 1、人工智能历史 Geoffrey Hinton：我们人类的主要限制是体力，而工业革命已经消除了这一限制。现在，我们的主要限制是智力，而人工智能（AI）也将消除这一限制。深度学习的灵感来源于大脑的工作方式。尽管我们尚未完全了解大脑的运作机制，但已有相当多的认识。在大脑中，有许多被称为神经元的脑细胞，它们通过连接相互作用。当我们学习时，这些连接的强度会发生变化。神经元通过发出“嗒嗒”信号向其他神经元传递信息，其主要功能是决定何时发送信号。神经元会根据从其他神经元接收到的输入强度决定是否发出信号，而输入的强度取决于连接的权重。学习的本质就在于改变这些连接的强度。 1980年代，人们提出了一种称为反向传播（backpropagation）的方法，用于调整连接强度。这一方法在当时效果不错，但我们并未意识到，如果为其提供大量数据和计算能力，它的效果会显著提升。如今，大型聊天机器人通过反向传播来调整计算机中模拟的神经网络中的连接权重，这便是深度学习的核心原理。例如，如果我们想要一个能够识别鸟类的神经网络，其第一层可能会识别边缘，接下来的层级逐步识别边缘的组合，如鸟喙、