全文 2,000字 | 閱讀約 6 分鐘

（2025 柏林對(duì)談 Hinton 談 AI 推理能力）

進(jìn)入 2026 年前夕，柏林一場(chǎng)公開對(duì)談中，AI 教父、諾貝爾物理學(xué)獎(jiǎng)得主 Geoffrey Hinton 談到 AI 正在發(fā)生的核心轉(zhuǎn)變：

AI 不再只是給答案，而是開始自己思考、生成數(shù)據(jù)、執(zhí)行任務(wù)。

這句話背后，是三層正在發(fā)生的變化：

會(huì)推理，幻覺在減少。

會(huì)自學(xué)，不靠喂數(shù)據(jù)。

會(huì)執(zhí)行，主動(dòng)交付結(jié)果。

落到現(xiàn)實(shí)中：醫(yī)療診斷的主導(dǎo)權(quán)在轉(zhuǎn)移，不是醫(yī)生失業(yè)，而是誰來下診斷結(jié)論這件事在變。教育加速分化，一對(duì)一 AI 導(dǎo)師、數(shù)學(xué)探索、科學(xué)發(fā)現(xiàn)都在加速。

當(dāng) AI 從被動(dòng)響應(yīng)變成主動(dòng)執(zhí)行，人和機(jī)器合作關(guān)系就得重新設(shè)計(jì)。

提醒一：AI 會(huì)推理了，幻覺在減少

過去兩三年，聊天機(jī)器人最大的問題是什么？

“一本正經(jīng)地說錯(cuò)話。”

但 Hinton 說：這種情況很快會(huì)少很多。不是因?yàn)樗沉烁噘Y料，而是它開始學(xué)會(huì)推理了。

那推理從哪里來？

他給了一個(gè)比喻：每個(gè)詞就像一塊形狀復(fù)雜的樂高，放進(jìn)一句話里會(huì)隨著上下文微微變形，這些詞塊彼此扣住，形成含義。AI 不是把話翻譯成邏輯符號(hào)再運(yùn)算，而是在這些詞塊之間尋找最自然的連接方式。

一旦 AI 能更好地組合這些詞塊，推理能力就自然出現(xiàn)了。

多年來，符號(hào) AI 主導(dǎo)了這個(gè)領(lǐng)域。他們認(rèn)為推理的本質(zhì)是把英語句子轉(zhuǎn)換成邏輯形式，然后應(yīng)用符號(hào)規(guī)則推導(dǎo)。他們對(duì)此深信不疑，以至于不認(rèn)為這是假設(shè)，而認(rèn)為這就是事實(shí)。

Hinton 明確表示：這完全是胡說八道。

那些主張神經(jīng)-符號(hào)混合系統(tǒng)的人，本質(zhì)上是想保留舊框架，只是讓神經(jīng)網(wǎng)絡(luò)來做輔助。這就像有人承認(rèn)智能手機(jī)更好，但還要用智能手機(jī)去控制算盤，完全沒抓住重點(diǎn)。

推理全都在語言中完成，不需要轉(zhuǎn)換成邏輯形式。

理解不是把句子變成邏輯符號(hào)，而是把詞變成可以相互作用的高維向量。這更像蛋白質(zhì)折疊，而不是邏輯運(yùn)算。

未來的 AI 在說出一句話之后，會(huì)多做一步：回頭看看剛才說了什么，對(duì)照事實(shí)或已有線索，如果發(fā)現(xiàn)不靠譜就修正。這不是簡(jiǎn)單的準(zhǔn)確率提升，而是 AI 開始具備一種新能力：自我驗(yàn)證。

• 以前它只能輸出，現(xiàn)在它能檢查自己的輸出是否合理

• 以前它只負(fù)責(zé)回答，現(xiàn)在它會(huì)質(zhì)疑自己的回答

這種從輸出到驗(yàn)證的閉環(huán)，讓 AI 第一次有了類似人類的自我糾錯(cuò)機(jī)制。對(duì)使用者來說，直接效果就是準(zhǔn)確率更高、邏輯更連貫、胡編亂造大幅減少。

但更深層的變化是：AI 不再是一個(gè)被動(dòng)響應(yīng)的工具，而是一個(gè)能主動(dòng)檢查、修正、優(yōu)化自己輸出的系統(tǒng)。它開始有了某種程度的自主性。

這是能力層面的根本性突破。

提醒二：不等人喂數(shù)據(jù)了，AI 開始自己學(xué)

一直以來，訓(xùn)練 AI 模型都離不開：堆料。

堆算力，堆數(shù)據(jù)，把全網(wǎng)文章、小說、百科、論壇統(tǒng)統(tǒng)抓取一遍。

可現(xiàn)在問題來了：全網(wǎng)的公開數(shù)據(jù)已經(jīng)用得差不多了。這就是 Scaling Law 遇到的第一個(gè)極限。你想再提升模型表現(xiàn)，就得多好幾倍的投入，但進(jìn)步卻越來越小。

Hinton 認(rèn)為，下一代 AI 不再靠人類喂，而是自己動(dòng)手造。

他提到 AlphaZero 這個(gè)例子。

這個(gè) AI 不是靠人類棋譜學(xué)會(huì)圍棋的，而是自己和自己下棋，邊下邊學(xué)，越下越強(qiáng)，最后比人類冠軍還準(zhǔn)、還穩(wěn)。

它通過自我對(duì)弈生成了無限的訓(xùn)練數(shù)據(jù)，不需要等人類提供更多棋譜。

Hinton 預(yù)測(cè)，數(shù)學(xué)將是 AI 自我訓(xùn)練最容易突破的領(lǐng)域。因?yàn)閿?shù)學(xué)是封閉系統(tǒng)，AI 可以自己提出猜想、自己嘗試證明。就像 AlphaGo 自己和自己下棋一樣，AI 會(huì)自己“玩數(shù)學(xué)”：

• 我能證明這個(gè)嗎？

• 我能證明那個(gè)嗎？

在 10 年左右，AI 數(shù)學(xué)家可能會(huì)比人類強(qiáng)得多。它自己可以持續(xù)推演，生成無限的訓(xùn)練數(shù)據(jù)。

不只是在數(shù)學(xué)。Hinton 同意 DeepMind 領(lǐng)導(dǎo)者 Demis Hassabis 的觀點(diǎn)：AI 會(huì)在科學(xué)發(fā)現(xiàn)中發(fā)揮越來越大的作用。物理、化學(xué)、生物的各個(gè)領(lǐng)域，都會(huì)出現(xiàn)突破性進(jìn)展。

大語言模型也會(huì)一樣。

正因?yàn)橛辛送评砟芰Γ珹I 可以通過自我驗(yàn)證來生成訓(xùn)練數(shù)據(jù)。 就像一個(gè)員工白天干活，晚上復(fù)盤，發(fā)現(xiàn)問題，第二天自動(dòng)提升。AI 不再是被動(dòng)接收投喂，而是主動(dòng)消化、驗(yàn)證、改進(jìn)。

以前的訓(xùn)練邏輯是：數(shù)據(jù)越多，模型越強(qiáng)。所以大家拼命收集數(shù)據(jù)、清洗數(shù)據(jù)、標(biāo)注數(shù)據(jù)。

現(xiàn)在的轉(zhuǎn)變是：模型能自己生成高質(zhì)量的訓(xùn)練數(shù)據(jù)，通過推理驗(yàn)證自己的輸出，從錯(cuò)誤中學(xué)習(xí)。

換句話說，真正強(qiáng)的 AI 不是靠數(shù)據(jù)涌入，而是靠反復(fù)演練，自己打通理解鏈條。這不是技術(shù)優(yōu)化，而是訓(xùn)練范式的根本轉(zhuǎn)變。從外部輸入驅(qū)動(dòng)，轉(zhuǎn)向內(nèi)部循環(huán)驅(qū)動(dòng)。

過去的 AI 靠你教，接下來的 AI 自己會(huì)學(xué)。

提醒三：從工具到協(xié)作者，角色在轉(zhuǎn)變

2025 年最常被提到的 AI 熱詞是：智能體。

它不是一個(gè)概念，而是一種新“生物”形態(tài)：一個(gè)能理解任務(wù)、能拆解流程、還能主動(dòng)去執(zhí)行的 AI。

Hinton 說：

“我們已經(jīng)看到智能體在互聯(lián)網(wǎng)上幫人下單、規(guī)劃日程，接下來還會(huì)主動(dòng)跟其他智能體協(xié)商�！�

這不再是智能搜索，也不是高級(jí)助理，而是它開始接手你原本該親自完成的那部分事情。

在對(duì)談現(xiàn)場(chǎng)，Hinton 提到他 2016 年預(yù)測(cè) AI 會(huì)在 5 年內(nèi)取代放射科醫(yī)生，低估了所需時(shí)間，但現(xiàn)在正在發(fā)生。FDA 已經(jīng)批準(zhǔn)了 250 多個(gè) AI 醫(yī)學(xué)掃描應(yīng)用，AI 能從視網(wǎng)膜圖像中看到醫(yī)生未曾意識(shí)到的信息。在診斷準(zhǔn)確率上，AI 是 50%，醫(yī)生是 40%，結(jié)合起來是 60%。北美每年 20 萬人死于誤診，這個(gè)數(shù)字會(huì)大幅下降。

教育也在轉(zhuǎn)變。

一對(duì)一導(dǎo)師能讓孩子學(xué)習(xí)速度快 2 倍，因?yàn)閷?dǎo)師理解孩子哪里不懂。AI 導(dǎo)師會(huì)比導(dǎo)師做得更好，因?yàn)樗鼡碛袛?shù)百萬兒童學(xué)習(xí)數(shù)據(jù)。不只是兒童教育，成人培訓(xùn)也在轉(zhuǎn)變。Hinton 拿自己舉例：在 Google 給員工做培訓(xùn)，講神經(jīng)網(wǎng)絡(luò)這些事，枯燥得很。但 AI 導(dǎo)師可以做得更好，互動(dòng)性強(qiáng)，也更有效。

不只是醫(yī)療、教育，AI 在日常工作中的轉(zhuǎn)變更明顯。

過去你怎么用 AI ？告訴它寫文案、整理總結(jié)、排日程�？涩F(xiàn)在 AI 會(huì)反過來問你：你是想定酒店還是買機(jī)票？預(yù)算有限的話，我建議先訂返程。 再往后，它甚至?xí)粏柲悖苯佣ê谩?/p>

一旦 AI 具備這種主動(dòng)性，它就不只是工具，而像是一個(gè)會(huì)完成工作的“同事”。

這就是“智能體”。

它們的能力建立在前兩節(jié)的基礎(chǔ)上：

• 會(huì)推理，所以能判斷下一步；

• 會(huì)自我學(xué)習(xí)，所以能在執(zhí)行中優(yōu)化。

很多人以為智能體越強(qiáng)，就意味著某些崗位要被替代。

Hinton 沒這么說。他說的是人類會(huì)減少對(duì)執(zhí)行過程的參與。不是你突然沒工作了，而是你不再審核每一個(gè)環(huán)節(jié)、不再?zèng)Q定每一個(gè)動(dòng)作，有些任務(wù)是智能體自己去協(xié)商完成后告訴你做完了。這意味著主導(dǎo)權(quán)在轉(zhuǎn)移，你能影響結(jié)果的機(jī)會(huì)變少了。

所以，智能體能力需要設(shè)計(jì)邊界。在 Hinton 看來，我們不是在開發(fā)一個(gè)聽話的助理，而是引入一個(gè)愿意并有能力完成任務(wù)的參與者。這帶來幾個(gè)必須回答的問題：

• 智能體到底該完成哪部分？

• 哪些事必須人工審核？

• 如果智能體出了問題，誰來負(fù)責(zé)？

答案可能因公司而異，但方向是一致的：AI 智能體不再只是輔助你了，而是開始直接交付結(jié)果。

最后，你的工作不是做具體項(xiàng)目，而是變成選擇方案和拍板決策。

結(jié)語｜能干事的AI，協(xié)作關(guān)系就變了

這次，在柏林現(xiàn)場(chǎng)，Hinton 沒講炒作，也沒講末日。

他給了三個(gè)提醒：

AI開始推理，不再一本正經(jīng)地說錯(cuò)。

它會(huì)自己學(xué)，不靠人類灌輸入。

它能動(dòng)手干事，不等你發(fā)指令。

從工具到協(xié)作者，你的角色從執(zhí)行者變成決策者。

識(shí)自AI

本文由AI深度研究院出品，內(nèi)容整理自Geoffrey Hinton柏林對(duì)談及相關(guān)公開素材，包含翻譯、觀點(diǎn)提煉與分析評(píng)論。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號(hào)， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

https://www.youtube.com/watch?v=M9ZNCkJJ0Sg&t=2s

https://www.businessinsider.com/ai-scaling-debate-geoffrey-hinton-ilya-sutskever-alexandr-wang-lecun-2025-12

來源：官方媒體/網(wǎng)絡(luò)新聞，

排版：Atlas

編輯：深思

主編：圖靈