AI顶尖大师圆桌对谈 | Hinton、黄仁勋、李飞飞、Yann LeCun、Yoshua

多客科技

作者：微信文章
2025年11月7日，《金融时报》搞了一场圆桌对谈，它汇聚了全球AI领域最顶尖大师。他们是被誉为“AI教父”的Geoffrey Hinton、Yann LeCun、Yoshua Bengio，以及NVIDIA创始人黄仁勋（Jensen Huang）、首席科学家Bill Dally和斯坦福大学以人为本AI研究院的联合创始人李飞飞（Fei-Fei Li）。

这场对话没有深奥的技术探讨，而是回归本源，请他们分享了职业生涯中那些灵光一闪的“顿悟时刻”（Aha Moment），以及对当下AI热潮和未来的深刻见解。


Geoffrey Hinton：20年内，AI将在辩论中胜过你

作为深度学习领域的传奇人物，Hinton的分享充满了远见。他的顿悟时刻可以追溯到遥远的1984年。那时，他尝试用“反向传播”算法训练一个微型语言模型来预测句子中的下一个单词。他惊喜地发现，模型竟然开始学习单词的“意义”和特征。这颗40年前埋下的种子，最终长成了今天我们所见的参天大树——大型语言模型（LLM）。

为什么花了40年？Hinton坦言，当时他们并未意识到，限制这一切的，是匮乏的算力和数据。如今，面对AI的飞速发展，他给出了一个惊人而具体的预测：如果我们把通用人工智能（AGI）定义为“在一场辩论中总能赢过你”的机器，那么“在未来20年内，我们几乎肯定会实现它”。
Yann LeCun：我们距离“老鼠级别”的智能还有多远？

作为Meta的首席AI科学家，LeCun的观点则更为审慎。他认为，将AI的发展看作是线性的、迈向“人类级别智能”的过程本身就是一种误解。智能是多维度的，人类个体之间尚且存在巨大差异，AI的发展路径更是如此。

他风趣地说：“我们现在的AI系统，连老鼠级别的智能都还没达到，更别提人类了。”他认为，当前由LLM主导的范式有其局限性，真正的突破或许在于让AI像动物和婴儿一样，通过观察和互动（即自监督学习）来理解世界，尤其是在视频等多模态数据上。对他而言，通往AGI的道路，可能比许多人想象的要长得多。我一直觉得LeCun对当前的LLM非常鄙视，也许是因为LLM在物理世界的表现差，比如VLA驱动的机器人肯定没有老鼠对物理世界的理解深（绕墙根、游水、避开陷阱等），但LLM在写作、编码、数学、制药等领域获取的成功也绝不是微不足道。
Yoshua Bengio：从科学兴奋到社会警觉的转变

Bengio分享了两个截然不同的“顿悟时刻”。第一个是在学生时代，受到Hinton论文的启发，他相信可以用简洁的物理学法则般的原理来构建智能，充满了科学的浪漫与激情。

第二个则发生在ChatGPT发布后。这位AI先驱坦言自己感到了警觉和忧虑：“天啊，我们正在做什么？”他开始深入思考这项技术的潜在风险、滥用可能以及当机器比人类更聪明时会发生什么。这个时刻，让他毅然决然地将研究重心转向了AI安全与治理，展现了一位科学家的深刻责任感。
李飞飞：数据，是AI的“北极星”

斯坦福大学教授李飞飞则带来了“数据”的视角。她的第一个顿悟时刻是在2007年左右，作为一名年轻教授，她和学生们在攻克计算机视觉难题时意识到，当时的瓶颈不是算法不够好，而是“算法们正在被数据活活饿死”。这一洞见直接催生了ImageNet——一个拥有超过1500万张手工标注图像的庞大数据集，它点燃了这一轮深度学习革命的火焰。

她的第二个顿悟时刻，是在谷歌云担任首席科学家时。当她看到AI技术渗透到医疗、金融、制造等各行各业时，她意识到这是一种“文明级别的技术”，必须以人为本。她因此回到斯坦福，创立了“以人为本AI研究院”，倡导在技术创新的同时，必须将人类的价值观和福祉置于核心。
黄仁勋 & Bill Dally：算力即是未来，我们不在泡沫中

如果说算法和数据是AI的两大引擎，那么黄仁勋和Bill Dally领导的NVIDIA则为这台引擎铺设了高速公路。Dally回忆起90年代末在斯坦福，为了突破“内存墙”瓶颈而构想出GPU的雏形。而2010年与吴恩达（Andrew Ng）的一次早餐，让他确信GPU就是神经网络的未来，并彻底改变了NVIDIA的命运。

黄仁勋则将AI的发展类比于一个全新的产业。他坚信我们并非处于泡沫之中，而是“智能大建设”的开端。他指出，与互联网泡沫时期大量光纤被闲置不同，“今天，几乎每一块GPU都被点亮并投入使用”。他认为，AI的本质是“生产智能的工厂”，而这些工厂需要庞大的算力基础设施。从这个角度看，未来的需求无可估量。