-
_NEWSDATE: 2025-10-12 | News by: 量子位 | 有0人参与评论 | _FONTSIZE: _FONT_SMALL _FONT_MEDIUM _FONT_LARGE
当我们谈论人工智能时，我们到底在谈论什么？
面对这一直击灵魂的问题，Hinton不慌不忙地从自身经历（曾在谷歌工作近10年）得出，AI已经从搜索查找进化成能真正理解人类意图的工具。
以前用谷歌的时候，它会使用关键词，而且会提前做很多工作。所以，如果你给它几个关键词，它就能找到所有包含这些词的文档。
但它不明白问题是什么。所以，它无法给出一些实际上不包含这些词但主题相同的文档。
就是说，AI早期本质上还是基于关键词的检索。
而现在，它能理解你所说的内容，而且它的理解方式与人类几乎相同。
在Hinton看来，虽然现代大语言模型（LLM）并不是真正的全能全知专家，但在许多主题上已能表现得接近人类专家。
他还进一步解释了传统机器学习与神经网络的区别。
他指出，机器学习是总称，指任何能在计算机上“学习”的系统。而神经网络则是一类特别的学习方法，灵感来自大脑——大脑通过改变神经元之间连接的强度来学习。
以大脑中部的一个神经元为例，神经网络的工作原理与之类似：
想象一下，大脑里有一个小小的神经元。这个神经元的主要工作就是偶尔发出一个“叮”的声音。它不是随便发的，而是要根据其他神经元发来的“叮”声来决定。
其他神经元也会发出“叮”声，这些声音会传到这个神经元。
如果这个神经元收到很多“叮”声，或者这些“叮”声很强，它就会决定自己也发一个“叮”声。如果收到的“叮”声不够强，它就不发。
神经元还可以调整对其他神经元“叮”声的敏感度。如果觉得某个神经元的“叮”声很重要，就会更关注它；如果觉得不重要，就会减少关注。
一句话，神经网络同样通过调整连接权重来改变系统的行为。所以说，大脑学习和处理信息的基本方式，也是神经网络的核心原理。
在这之后，主持人还问了两个很有意思的问题。
第一个是， 概念是如何形成的？比如“勺子”的概念。
Hinton继续用了一系列生动形象的例子进行解释。概括而言，他认为概念就像是“政治联盟”，大脑中会有一组神经元一起激活（共同发出“叮”声）。
例如，“勺子”就是一组神经元一起激活。这些联盟会重叠，比如“狗”和“猫”的概念就有很多共同的神经元（代表“有生命的”、“毛茸茸的”等）。
第二个问题是，是否存在某些神经元对宏观概念（如“动物”）激活，而另一些神经元对微观概念（如特定物种）激活？
对此，Hinton则表示问题很好，但没有人确切知道。
不过这个联盟中，肯定有一些神经元对更普遍的事物激活更频繁，而另一些神经元对更具体的事物激活较少。
- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见