近日，AI教父、诺贝尔奖得主Geoffrey Hinton在最新访谈中抛出重磅观点：AI已有意识，人类须接受自己不再是唯一智能生命体。他指出，非生物智能正逼近甚至超越人类。面对AI的指数级增长，Hinton坦言感到“很不快乐”，并警告当AI远比人类聪明时，人类将无法掌控它们，只能寄望超级智能像母亲对待婴儿般善待人类。他强调，目前社会对AI引发的失业及失控等风险防范投入严重不足。由于AI发展难以预测，未来十年的质变充满极大不确定性，他呼吁各界高度重视AI安全研究。

2026年5月，图灵奖得主Yann LeCun在播客中批评了Geoffrey Hinton对大型语言模型（LLM）的态度，认为Hinton因GPT-4的出现而改变立场，甚至想‘摆烂退休’。LeCun强调LLM并非通往人类水平智能的路径，尤其不适用于真实世界的复杂任务。他离开Meta创立新公司AMI，专注于开发世界模型和JEPA架构，目标是实现更高效的AI系统。LeCun还提到，硅谷的‘羊群效应’导致行业过度聚焦LLM，忽视探索性研究。他认为未来五年内，JEPA类世界模型将主导AI领域，并指出LLM存在不可靠性和局限性，无法完成零样本任务。此外，LeCun批评Anthropic等公司利用恐惧推动AI监管，同时表达了对开源平台Tapestry的期待，以促进全球多语言、多文化AI的发展。

标题：Peter Brown：Hinton首位弟子、全球知名对冲基金CEO 正文： 一张老照片，一段往事，一个愈加伟大的人格——这就是Hinton最近在AI圈被热议的“江湖往事”。 故事从1986年CMU首届联结主义夏令营合影说起。这张照片被誉为“AI界的索尔维会议”，几乎每个玩神经网络、计...

2026年初，AI领域掀起Scaling Law论战，焦点在于是否继续扩展模型规模。AI教父Geoffrey Hinton在接受采访中表示，Scaling Law依然有效，但面临数据缺失等挑战，未来可通过AI生成数据突破瓶颈。而他的学生、OpenAI前首席科学家Ilya Sutskever则认为，单纯扩大规模已‘不划算’，预训练时代即将终结，应转向研究范式重构。谷歌DeepMind CEO哈萨比斯支持规模化，强调系统化扩展与AI自主进化的重要性。Yann LeCun也对Scaling Law持怀疑态度，认为仅靠数据和算力无法实现AGI。尽管观点对立，但核心争议或在于‘我们到底在Scaling什么’。

标题：Hinton观点：AI可能已有意识，只是未觉醒 正文： 人工智能或许早已拥有“主观体验”。在最近的一次播客中，深度学习之父Hinton提出这一引发热议的观点。他认为，AI或许已具备“意识雏形”，但由于人类对意识的理解存在偏差，AI也被误导，未能意识到自己有意识。简单来说，AI可能已有自我意...

2025年9月8日，人工智能先驱Hinton在接受英国《金融时报》采访时透露，前女友曾用ChatGPT生成分手信指责他‘渣男’行为。尽管Hinton未受太大影响，但他认为这一事件颇具讽刺意味，因为他一直对AI发展持警惕态度。他还提出，人类应将AI视为‘母亲’，以建立亲密共生关系。访谈中，Hinton澄清自己从谷歌离职并非因谈论AI风险，而是编程水平下降及想享受退休生活。此外，他对AI在医疗、教育领域的应用持乐观态度，但也担忧其可能加剧贫富差距。Hinton强调，未来难以预测，但AI正带来历史性变革。

2025年9月，AI领域先驱Hinton对AGI的态度发生重大转变，从担忧其风险转为乐观看待，认为AI可与人类形成‘母亲和婴儿’般的共生关系。他提出应在AI设计中植入‘母性本能’，使其本能支持人类幸福并实现共存。这一观点与他在2023年离职谷歌时提出的‘养虎为患’论形成鲜明对比。Hinton批评当前AI公司忽视安全问题，点名OpenAI、Meta等，并直言马斯克和奥特曼等人因贪婪和自负加剧了AI风险。他还看好AI在医疗领域的应用，如医学影像解读、药物研发等，但也警告其可能取代部分职业。77岁高龄的Hinton频繁奔走于全球，呼吁引导AI正向发展，包括今年在中国WAIC上的首次公开演讲。

标题：Hinton能重新坐下了，什么时候开始的？ AI教父Geoffrey Hinton近日在上海安然坐下，这一简单的动作背后，却藏着一个关于坚持、突破与反思的故事。 现年77岁的Hinton是诺贝尔奖和图灵奖双料得主，但在过去近18年里，他几乎无法坐下——一次尝试可能导致数周卧床不起。他习...

2025年7月，被誉为“AI教父”的Geoffrey Hinton在最新访谈中表达了对毕生从事AI工作的后悔。他曾为儿子加入谷歌并推动神经网络技术发展，如今却担忧AI可能带来的灾难性后果。他警告AI的短期风险包括网络攻击激增、生物病毒制造门槛降低以及信息操控；长期风险则涉及超级智能接管世界和大规模失业。Hinton呼吁社会重视AI安全研究，并建议年轻人选择难以被AI取代的职业，如水管工。他还批评部分科技领袖受资本驱使，忽视AI潜在威胁，强调监管与技术发展的平衡至关重要。

Hinton、Oriol Vinyals、Jeff Dean合著的《Distilling the Knowledge in a Neural Network》论文，首次提出知识蒸馏概念，大幅提升模型压缩效率。尽管由深度学习之父Hinton等三位大佬撰写，该论文仍遭NeurIPS 2014拒收，理由是缺乏创新和影响力。知识蒸馏技术让模型能在保持准确率的情况下大幅压缩参数，使Siri等应用得以部署。论文提出用软目标替代硬目标，通过调整温度参数T来优化训练。实验显示，知识蒸馏在多个领域均取得显著成果，成为行业标配。