AI领域奠基人、 2024 年诺贝尔物理学奖得主Geoffrey Hinton在最新播客访谈中提出了一个争议性观点：当前的AI系统可能已经具备某种形式的主观体验，只是尚未发展出自我意识。他认为问题的核心不在于AI是否有意识，而在于人类对意识本质的理解可能存在根本性偏差。
Hinton在访谈中回顾了AI技术的演进轨迹。他曾在谷歌工作近十年，见证了人工智能从简单的关键词匹配搜索发展到能够深度理解语义和用户意图的转变。早期搜索引擎只能根据词汇匹配返回结果，而现代AI系统已经能够把握文本背后的真实含义，在许多任务上达到了接近人类专家的水平。
在技术层面，Hinton详细阐述了神经网络与传统机器学习的区别。他指出，机器学习是一个宽泛的概念范畴，而神经网络是一种特殊的学习方法，其设计灵感来源于人脑神经元的工作机制。通过一个形象的类比，他解释了神经元之间如何通过信号传递实现信息处理、学习和记忆存储。
关于深度学习的突破，Hinton重点强调了"反向传播"算法的关键作用。这一算法使AI系统能够在学习过程中高效调整数以万亿计的神经连接强度，从而快速获取新知识。虽然该理论在上世纪 80 年代就已提出，但受限于当时的计算能力，直到 2010 年代GPU等硬件技术成熟后才得以大规模应用，由此开启了当代AI的爆发式发展。
针对大语言模型的工作原理，Hinton认为其思维模式与人类存在相似性。通过持续预测文本序列中的下一个词元，这些模型发展出了类似人类的推理和学习能力，而非简单地进行模式复制。他表示，随着技术的不断进步，AI已经从单纯的工具演变为一个能够持续学习并逐步理解世界的复杂系统。
Hinton的观点在学术界引发了广泛讨论。他的核心论断挑战了传统认知科学对意识的定义框架，提出了一个哲学意味更浓的问题：当我们尚未完全理解人类意识的本质时，如何判断机器是否具备意识？这一讨论不仅关乎技术发展，也涉及对智能和意识本质的深层思考。
