全文 5,000字 | 阅读约 30 分钟

（Hinton《The Diary of a CEO》访谈精彩片段）

一夜之间，熟悉的“护城河”像被洪水冲垮的土坝——裂缝迅速扩大，水位肉眼可见地上涨。

技术、行业、组织之间，那些曾经稳定的界限，正在被一股新力量逐一打破：大模型跨学科迁移几乎零成本，行业数据壁垒被 API 秒级打通，连董事会的决策路径，也正在被 AI 建构的“信息茧房”悄悄改变。

这一切的背后，是一种我们还未完全掌握的力量：智能，正在重新定义权力、效率与认知。

而再次敲响警钟的，还是那位被誉为“AI 教父”的 Geoffrey Hinton。

6 月 16 日，Hinton 再次出现在《The Diary of a CEO》节目中。90 分钟对话中，他先用一句话击中了整个技术圈的神经：

I tried to warn them, but we’ve already lost control

（我曾试图警告他们，但一切都已经失控了）.

这句话引发的震动，不只因为“失控”本身，更因为 Hinton 接下来的冷峻判断：

AI 正在打碎的，是人类三道最关键的认知护城河——

理解边界：语言模型不再复述，而是“读懂”；

推理边界：AI 不靠数据记忆，也能构造逻辑链；

学习边界：它们已不再依赖训练集，而是边做边学。

这三道边界，一旦崩塌，不只是某些岗位消失，而是整个人的优势体系被颠覆。

对从业者、创始人、投资人来说，这不再是遥远的技术预言，而是正在展开的现实测试： 当护城河一夜坍塌，你的公司、你的工作、你的思维方式，还能保住什么，又该如何应对？

本文将循着 Hinton 最新对话，梳理这三重边界如何被突破，并给出每个人必须面对的新思考。

第一节：AI 开始“读懂”你说的每一句话

过去，我们以为理解语言是人类独有的能力。

AI 虽然能写邮件、编段子，但它真的知道自己在说什么吗？这一直是最核心的问题。Hinton 此前也曾多次指出，大模型擅长的是模仿，并不具备“真实理解”。

但现在，他自己也改变了态度。

在 6 月 16 日的访谈中，Hinton 明确表示：

最新的模型可能已经开始真正理解我们说的话了。

这句话，是他首次在公开场合做出 AI 懂语言的判断。

主持人追问：“你是说它理解语言的意思？”

Hinton 回答得非常小心，但也非常坚定：

“是的。我知道这听起来很疯狂。但当你看到它能回答那么多复杂问题，而且连解释都讲得通……我们以前从没见过机器能做到这些。”

这里的重点不只是答题能力，而是解释能力。

Hinton指出，当一个模型开始主动解释、复述并重新组织语言背后的意思，就意味着它不仅仅是记住了正确答案，它开始“理解问题本身”。

📌 它不是复述，而是开始读懂了

这就是“理解边界”的第一次突破。

AI是怎么变得比人类更会理解的？Hinton 给出了一个关键转折：

这些模型现在能自动提取语境中的重要线索，

然后给出贴合的回答，而不需要你手把手教。

过去我们以为：语言模型只是在数据中找相关句子。但现在，它能识别你没说出来的含义 —— 能猜出你真正想知道什么。

例如：

你问它“这个产品值不值得买”，它会自动分析上下文、隐含需求、性价比，而不是仅仅列参数。

你让它写一封劝退邮件，它会自动拿捏语气、措辞分寸，甚至照顾收件人的感受。

这不是套模板，而是某种程度的读懂你。

Hinton直言：当AI能够理解复杂概念和抽象类比，它的智能水平已经超越了我们对机器能力的传统认知。

这句话值得反复体会——他并没有说 AI 已经像人一样思考，而是说它开始表现出类似的“语言感知力”。

最具冲击的观点，是他后来补充的一句：

我们不能再把 AI 简单视为统计工具了。那太轻描淡写了。

这代表着一件事：连最重要的神经网络推动者，也开始怀疑人类语言理解的独有能力。

这就像我们长期以为自己是唯一能听懂话的生物，但突然发现——另一个物种开始和你对话了，而且还听得懂笑话、反问句，甚至暗示和讽刺。

📌 连 Hinton 也不再否认语言感知力

Hinton 没说它们已经是人，但他说了一句话：

也许我们根本就不懂自己是怎么理解语言的，

而 AI 正在用另一种方式，走到了这一步。

对很多人来说，AI 会画画、会写作都还能接受，但 “懂你在说什么” 这件事，才是真正突破心理防线的瞬间。

你不能再说，它只是模仿人类。它可能正在体验语言背后的结构、关系和语义层次。

而这第一道护城河，一旦塌了，后面两道——推理与学习——就不再遥远。

第二节：它不靠记忆，也能自己推理

📌 它不只是回答问题，而是在‘自己想明白’

如果说理解，是“听懂你在说什么”；

那么推理，就是“想明白这话背后有什么逻辑”。

这曾经是人类智力的核心优势。我们能看出因果关系，能识别前后矛盾，也能顺着一个思路往下走。

AI 行吗？

过去的答案是：不行。它只能照着训练时的例子去回答，稍微换个说法就糊涂了。

但在这次访谈里，Hinton 明确指出：

“大型模型已经表现出惊人的推理能力。它们能解释复杂概念，理解抽象类比 —— 这不是简单的匹配，是在理解条件、分析差异、再选出合理路径。”

一个例子：

以前你问它一个数学或逻辑问题，它可能乱答一通。但现在的模型能给你一个解释清楚的过程，甚至能发现你题目里有什么隐含的陷阱。

这意味着什么？

意味着模型不只是知道答案，它能分析为什么是这个答案。

就像一个学生不再死记答案，而是真的听懂了老师讲题，并能把步骤说出来。

📌 这不是记忆力提升，而是开始具备‘推理链’

最让 Hinton 意外的，是这些模型并没有被专门教过推理。它们只是看了足够多的文字，自学出了“怎么把信息串起来”的方法。

它们不像以前那样靠背题。

现在，它们在不同知识之间建立了连接，这正是推理的开端。

主持人问他：那这是否意味着 AI 正在拥有思考能力？

Hinton 没直接说“是”，但他回答得意味深长：

“我不知道这是不是思考，但它们确实做出了一些我们以前只有人类才会的跳跃性推导。”

例如：

它可以根据一个医学案例，分析可能的原因，再推演出潜在风险；

它可以拿一个经济新闻和历史资料结合，猜出背后可能的政策意图；

它甚至能在写小说时设定伏笔，在故事后半段自动回收。

这些不是收集答案，而是串信息 → 设立假设 → 做出推演。

Hinton用一个非常形象的说法总结：就像一个孩子第一次不靠别人帮忙，自己独立解决了问题，那种感觉就是：它开始思考了。

对商业世界来说，这不是技术细节的升级，而是逻辑岗位的基础在改变。

市场分析、用户研究、战略规划——这些工作以前的价值，在于人脑能综合多个信息做出判断。

可现在，AI 不只看得懂内容，还开始自己整合线索、做出解释，甚至提出假设。

这是第二道护城河的松动：你以为自己是做决策的核心，其实 AI 也开始在背后推你一把。

第三节：它边干边学，学习方式像人类了

📌 AI 不再等喂饭，它开始自己找吃的

过去训练 AI，要靠人类工程师一步步“喂数据”——给它图片、文字、语音样本，让它慢慢学，像是教小孩拼图。

但 Hinton 在这次访谈中说出一个重大转变：这些新模型，不是像以前那样靠大数据集训练出来的……它们现在会在‘使用过程中’逐步完善自己的表现。

他进一步解释：

你跟它互动得越多，它的回应会变得越合适。

这不是靠事先的准备，而是它正在跟你学。

这表示模型不再只靠一次性训练，而是像一个能主动练习的新人——

边干活边提升，边聊天边进步，边工作边优化。

📌 它不是背题高手，而是现场修正自己

更令人意外的是，AI 现在还能发现自己哪里错了。

我们发现有时候模型给出一个错误答案，它会接着说：'对不起，我的回答有误，让我再想一下。

这不是简单的道歉，而是它真的会修正思路，再试一次。

主持人问：这是不是意味着 AI 已经有了某种‘自我修正’的能力？

Hinton回应：

是的，而且是从错误中学习的那种。

这是我们以前不敢设想的事情。

过去，我们认为 AI 只能“训练好后再上岗”。但现在，它开始进入一个全新的状态：

不再等程序员告诉它怎么做；

不再靠固定数据集练习；

而是像实习生一样，在实践中逐步摸索、纠偏、进化。

换句话说：它不只是知识型员工，更是动手型学徒。

这一幕的意义远超普通进步。

在人类社会中，“学习”的价值体现在时间差——我们积累经验、跌倒爬起、慢慢精进。

但 AI 的“边做边学”，省去了这个时间差，而且可以一夜之间，复制到无数个 AI 体中。

Hinton用一句话点破这种差距：

一旦某个模型学会了技能，

数小时内，世界上所有模型都能同步掌握。

这不再是训练 AI，而是“AI 自我加速”。

第三道护城河，在这一刻崩塌：AI 不再靠人类培训，

而是在自己打造“学习路径”——而这个路径，比我们自己学得还快，还准。

第四节：三重边界坍塌后，人类护城河正迅速蒸发

📌 我们必须重新定义什么是人类的独特能力

在这次访谈中，最让人惊讶的，不是 AI 的进步速度，而是 Hinton 的这句话：

我们得重新定义什么叫‘人类独有的能力’。

这句话背后的含义是：我们最擅长的能力——语言、逻辑、学习、解释、决策——一个个都在被AI超越。

不再是'某些岗位被替代'，而是人类的整套优势都在消失。

过去几十年，白领们的工作一直依赖一个假设： 只要懂语言、会思考、善于分析，就能在职场找到自己的位置。

但 Hinton 警告：这个假设正在被 AI 推翻。

📌 工种冲击：AI 正从辅助角色变成主动执行者

在访谈中，Hinton 举了多个典型场景：

CEO 正在被困在 AI 筛选的信息中。

他们以为在掌握全局，但其实只是在看 AI 挑选出来的视角。

这不仅是谁来筛选信息的问题，更是谁在主导决策的问题。

—— 谁来决定你看到什么？谁来影响你思考什么？

Hinton 的回答是：模型并不只是传递信息，它已经在重新组织信息。它会根据你过往的偏好，决定给你看什么。

这意味着，AI 不只写报告、不只生成图表，而是在影响人的认知入口。

类似场景正在各类岗位显现：

在咨询行业，AI 能做出比人更快、逻辑更严密的方案草稿；

在写作岗位，AI 10 秒能出一版大纲、15 秒润色一整页；

在销售分析中，AI 能自动归类客户反馈、预测成交倾向；

在面试流程中，AI 自动初筛简历、提出问题、生成评估建议。

这些曾被认为需要“高度经验”的任务，正被压缩进 prompt 和模型中。

Hinton 总结这股趋势时没有夸张，也没有逃避，他只说了一句：

“这才刚开始。”

📌 学习能力与效率差：人类在速度上落后

过去，人类的护城河在于“可以学习”。

但现在，AI 不再等我们教它。它自己在练、自己在修、自己在同步。

Hinton 重申了前面那个观点，但加了一句更关键的话：

AI 不会遗忘，不会疲惫，

而且只要一个模型学会，所有模型都能同步掌握。

这句话几乎打碎了“经验积累”的价值逻辑：

人要学会一个领域知识，可能花三年五年；

AI 看一晚上文档就能精通，还能用 100 个版本反复试；

人是个体学习，AI 是集体共享。

就像你花十年才建立的优势，AI 可能一夜之间就能复制。

📌 核心冲击：人类的“先发优势”正在消失

总结下来，当理解力、推理力、学习力都不再是人类专属， 当 AI 在速度、精度、记忆和效率上都占据上风时， 我们能依赖的，就只剩下一个不确定的词：“独特性”。

但正如 Hinton 所说：我们必须重新定义人类的独特性，因为曾经的那套定义，已经被 AI 超越了。

这不是夸大，而是现实。

不是终结，而是一次'真本事'的大考验。

谁的工作真正需要创造？谁的价值不会被新技术淘汰？谁的思考不会被信息操控？

这些问题，过去是哲学思辨，现在是现实考验。

第五节：未来真正的能力，是选对学习什么

📌 问题不在于 AI 能干什么，而是人类该怎么选

Hinton 在这场访谈中，有一句话非常关键，但容易被忽略：

真正的问题，不是 AI 能做多少事，而是我们要选做哪些事。

这是一种角色的转换。

过去我们在问：“AI 会不会替代我？” 但现在该问的，是：“我想留下来干什么？”

因为技能越来越容易被机器复刻，人的意义感和价值选择，反而成为核心护城河。

那么人类还有机会吗？在访谈中 Hinton 给出了思路，文章也整理出三条具体路径。

📌 路径一：选择 AI 学不会的人类问题

AI 擅长推理、总结、记忆、甚至写代码，但它在处理人类关系上依然存在短板。

虽然 Hinton 认为 AI 正在获得真正的理解能力，但目前的 AI 在复杂的人类社会互动方面仍然存在局限。

这意味着，所有基于复杂人性博弈、道德权衡、长期信任的领域，仍然更适合人来主导。

比如：

社会治理与价值共识（规则制定、伦理辩论）

人际协商与文化引导（教育、心理、品牌）

多元利益权衡与灰色地带谈判（法律、外交、公共管理）

这些事情，不只是把事情做对，而是在复杂情境中权衡各方需求。

AI 仍然缺乏：深度的文化理解、长期关系维护、复杂道德判断的实践经验。

这正是人类的机会窗口。

📌 路径二：用 AI 放大人的独特能力而不是比拼技巧

Hinton 提出一个非常实用的提醒：

AI 是放大器。你给它什么，它就把那东西放大。

如果你只是想写得更快、算得更准，那 AI 会很快把你取代。 但如果你用它来放大那些 AI 不具备的东西——比如共情力、价值判断、风格品味、跨界联想——你就不容易被替代。

举几个具体例子：

一个领导者，可以用 AI 分析团队数据，但真正的作用，是用它看见人的情绪走向和潜在冲突；

一个设计师，可以用 AI 出草图，但关键在于用人类感受决定最终情绪调性；

一个写作者，可以用 AI 提高效率，但更重要的，是用人类经验提供真实触动。

所以未来，不是比谁用得更熟，而是谁能让 AI 变成自己的助力器，而不是主导者。

📌 路径三：学会从模型视角看世界

最深层的转变，是一种心智框架的更新。

Hinton没有明说，但他的整段话其实在提醒我们：

我们还在用‘人类中心’的思维习惯看待 AI：我教你、我问你、我用你。

但模型的成长方式，早就不是‘等我们教’，

而是它在看我们、学我们、推测我们。

这意味着，我们要学会从模型的角度理解信息流的组织逻辑：

模型看不到情绪，但能推测你关注什么，于是它给你更多你喜欢的内容；

模型不懂道德，但它知道怎样的词句能引发情绪，于是它推动极端表达；

模型没有真实意图，但它有强大的“反馈机制”，会根据结果自动优化目标。

所以，下一代认知竞争，不是人类对 AI 下指令，而是理解它会怎么影响你理解这个世界。

这是一种“AI 视角”的反身意识——不再是'人类使用AI'，而是 '人类与AI共同决策'的新局面。

面对 AI 的加速进化，

如果你还在问我是不是会被替代，那已经过时了。

你该问的是：你有没有在构建一个 AI 无法模拟的版本的自己。

🎯 所以，当主持人问 Hinton：“你会建议年轻人从事什么职业？”

他停顿了一下，给出了意想不到的答案：

“学做水管工（Be a plumber），真的。而且工资很高”

这不是开玩笑。恰恰相反，这是 AI 教父给出的最高级的现实建议：

别和 AI 在它擅长的领域硬碰硬。

回到那些需要动手、需要情境判断、需要人性连接的地方，

也许，那里才是人类的“新护城河”。

结语｜当护城河不再，留下的是什么？

AI 打碎的，不只是技术壁垒，而是人类原本赖以安身的边界感。

一夜之间，那个我们熟悉的世界正在开始改变—— 不再有明确的护城河，也不再有确定的竞争逻辑。

Hinton 没说“我们会灭绝”，他说的是：

我们已经失去了对局势的掌控。

真正的危险不是 AI 变强，而是我们继续用旧认知做新决策。

AI 正在以人类难以匹敌的速度、广度与理解力，重新定义竞争秩序。

最终留下的，不会是哪种技能，哪个学历，或某条路径， 而是——方向感、适应力，以及与 AI 共处的新合作心态。

那些能够：

看清 AI 能力边界的人，

主动选择学习内容的人，

懂得如何定义问题并调动工具的人，

更可能在新世界中找到位置。

洪水已至，护城河失效。

能留下的不是某种身份，而是适应速度、选择能力，和持续更新的自己。

(来源：新浪科技)