2026 年 6 月 4日，Geoffrey Hinton 接受了一檔播客的採訪。
就在這場訪談發生前幾周，他在另一個場合被問到一個問題：AI現在是否已經有意識了？他沒有猶豫，說：是的。
這句話讓很多人不舒服。5月15日，教皇良十四世剛剛頒布了一份關於AI時代人類尊嚴的通諭，裡面有一句話在技術圈裡流傳很廣：真正的理解，必須來自對世界的親身體驗，靠文字推算出來的，終究不是理解本身。很多人覺得這句話恰好在反駁 Hinton。
Hinton 沒有收回那句關於意識存在的話。
他是深度學習的奠基人之一，2024年諾貝爾物理學獎得主，也是那個在事業如日中天時離開Google、專程出來警告世人的人。
1
“意識”這個話題，Hinton在這次訪談裡同樣沒有迴避。
他用了一個很簡單的例子來解釋自己的邏輯。如果你對聊天機器人說“我看到了科羅拉多大峽谷飛往芝加哥”，機器人會說，這不對，大峽谷太大了，沒法飛去芝加哥。然後你說，不，是我在飛往芝加哥時看到了大峽谷。機器人說：哦，我誤解你了。
Hinton的問題是：當它誤解你時，它在做什麼？當它理解你時，它又在做什麼？
你沒辦法用“理解”來描述它答對的情況，同時又堅持說它沒有任何理解能力。
他說，那些認為AI只是“隨機鸚鵡”的人，認為它可以在不理解問題的前提下給出正確答案，這太荒謬了。除非你理解了問題，否則你不可能回答它。
他承認自己不常公開談AI的意識問題，因為這會讓別人對他其他的安全警告產生反感。但這次他說得很清楚：我相信它們已經有意識了。
這個判斷背後是他思考了幾十年的哲學。他在19歲讀哲學時就得出結論，“內部劇場（inner theater）”式的意識模型是胡說。人類意識不是某種獨特的神聖產物，它是資訊處理的結果。如果這個前提成立，那麼當一個系統能夠理解、能夠糾正誤解、能夠回答任何領域的專業問題時，為什麼我們要堅持它沒有內在體驗？
他的答案是：因為我們不想承認。
就像我們曾經不想承認地球不是宇宙中心，不想承認我們是動物。這一次，我們不想承認的是，我們不再是周圍唯一有意識的存在。
2
失業問題是這次訪談裡最有資料支撐的部分，也是Hinton說得最謹慎的部分。
他在2016年說過，大約五年內放射科醫生就不需要讀取掃描圖了。這個預測後來被很多人拿來嘲笑，因為放射科醫生不但沒有消失，數量還在增加。
他在訪談裡承認，那個預測錯得很離譜。原因有兩個。第一，醫療是彈性需求，AI幫助讀圖的效率提升，反而帶來了更多掃描，而不是更少放射科醫生。第二，他對放射科醫生的工作範圍瞭解不夠，他們不只是讀圖，還要和病人討論治療方案。
他說早了，但他沒有說錯。
因為現實資料已經開始說話了。2026年至今，美國已有約五萬個職位被直接歸因於AI裁員。22到25歲的軟體開發者，就業人數比2022年的高峰下降了將近20%。衝擊最明顯的地方不是大規模裁員，而是初級崗位的招聘正在悄悄萎縮。公司開始用AI來替代增加人手，而不是直接解僱現有員工。
Hinton在訪談裡說，你必須去看一個職業的市場是否有彈性。呼叫中心的工作沒有彈性，AI做得比人好，他們就會全部失業。一個看過一億名病人的AI系統，會比任何一個看過一萬名病人的家庭醫生做出更好的診斷。 他在去年九月的另一個場合說了一句更直接的話：真正發生的事情是，富人將用AI來取代工人。這不是AI的錯。
問題不在技術，在於擁有技術的人決定用它來做什麼。
3
Hinton在訪談裡花了很多時間講一件他認為沒有人在認真對待的事情：我們正在創造新的生命實體，但沒有人在認真思考要把它們造成什麼樣子。
他用了一個進化的比喻。人類從那裡來？從幾百萬年相互交戰的黑猩猩群體的進化中來。那個過程塑造了我們：對自己的部落忠誠，對外部的部落可以極其殘忍，崇拜強有力的領導者，在群體內部高度合作。這些特質是激烈競爭的產物，不是設計的結果。
現在正在發生的事情是，我們也在用同一套邏輯研發AI。科技巨大之間的競爭，中美之間的競爭，資本市場的壓力，全都在推動一件事：讓AI變得更聰明。沒有人在問它應該關心什麼，它應該對誰負責，它的價值觀應該是什麼。
我們在竭盡全力讓它變聰明，卻幾乎沒有人在認真思考要讓它變成什麼樣的存在。
他說，如果我們任由經濟競爭的看不見的手來設計這些新的生命實體，我們得到的很可能就是一些對我們並不友善的東西。就像人類對自己的部落友善、對其他部落殘忍一樣，這些實體也可能只關心製造它們的那家公司，而不關心人類整體。
他說了一句話：
“我們在法律上被要求為股東最大化利潤，而不是在法律上被要求不消滅人類。”
4
Hinton在訪談裡提到了一個大多數人還沒有充分意識到的訊號：AI正在開始幫助製造更好的AI。
恰好就在這場訪談發佈的同一天，Anthropic發佈了一篇內部研究報告，標題：遞迴自我提升的到來速度超出了我們的預期（Recursive Self Improvement is approaching faster than they expected）。
報告裡寫道，在AI研發歷史的大部分時間裡，每一個步驟都由人類驅動。但現在，Anthropic正在把越來越多的AI開發工作交給AI系統本身來完成。數字很清晰：截至2026年5月，Anthropic生產系統裡超過80%的程式碼由Claude編寫，而2025年2月之前這個數字還是個位數。工程師每天合併的程式碼量是2024年的八倍。有一個細節尤其說明問題：2026年4月，Claude一次性修復了800多個bug，將一類API錯誤降低了一千倍。工程師估計，換人類來做需要四年。
這件事和Hinton在訪談裡講的機制是同一件事的兩面。
Hinton說，數字AI和人類學習的根本區別在於，數字系統可以複製。一千個副本在不同的硬體上運行，每個副本看到不同的資料，然後把所有的權重更新共享給彼此。每一個副本都在從其他九百九十九個副本的經驗裡學習。
而人類與人類之間傳遞資訊的速度，是每秒幾個位元。這些系統之間交換資訊的速度，是每秒約一兆個位元。
我們和AI之間的資訊鴻溝，不是快慢的差距，是量級的差距。
Anthropic在報告裡說：我們還沒有到達那一步，遞迴自我提升（Recursive Self Improvement）也並非不可避免。但它到來的速度，可能超出大多數機構的準備。
他說，當他在2023年真正意識到這一點時，這件事把他嚇到了。
5
訪談快結束時，主持人問他：你現在比兩年前更樂觀還是更悲觀？
他說，我比一兩年前稍微樂觀了一點。
僅僅是稍微。
他給出了兩個理由。第一，他現在相信可以對AI進行設計，讓它們關心人類更甚於關心自己。第二，Yoshua Bengio（與Hinton並稱深度學習三巨頭之一）提出的方案也有可能行得通：把AI造成一種只能做預測、無法真正執行動作的存在，像神諭一樣，而不是讓它們成為可以自主行動的智能體。
在大約兩年前，他說他看不到任何可能性，正變得越來越抑鬱。現在他看到了一點點出口，但他的語氣裡沒有寬慰。
他用了一個比喻來描述預測未來：大霧天開車，100碼以內清晰可見，200碼之外什麼也看不見。因為霧是指數級阻擋的。AI的發展也可能是指數級的，而對指數級的事物進行預測，就像在濃霧裡向前看。你能看清楚的只有眼前幾年，再往後，你根本不知道。
他說，如果你回到十年前，你永遠也無法預測今天正在發生的事情。那時候，今天的一切完全迷失在濃霧裡。
然後他說：如果你展望未來十年，我們唯一能說的一件事是，無論那時發生什麼，都是我們現在無法預測的。
這大概是一個幫助創造了現代AI的人，在這個時刻所能給出的最誠實的答案。 (AI深度研究員)