同一天：Hinton 说 AI 有意识，Anthropic 说递归自我提升来了|anthropic|hinton|宇宙|机器人

全文 2,000字 | 阅读约 6 分钟

（2026年6月 Geoffrey Hinton最新播客访谈精华）

2026 年 6 月 4日，Geoffrey Hinton 接受了一档播客的采访。

就在这场访谈发生前几周，他在另一个场合被问到一个问题：AI现在是否已经有意识了？他没有犹豫，说：是的。

这句话让很多人不舒服。5月15日，教皇良十四世刚刚颁布了一份关于AI时代人类尊严的通谕，里面有一句话在技术圈里流传很广：真正的理解，必须来自对世界的亲身体验，靠文字推算出来的，终究不是理解本身。很多人觉得这句话恰好在反驳 Hinton。

Hinton 没有收回那句关于意识存在的话。

他是深度学习的奠基人之一，2024年诺贝尔物理学奖得主，也是那个在事业如日中天时离开谷歌、专程出来警告世人的人。

“意识”这个话题，Hinton在这次访谈里同样没有回避。

他用了一个很简单的例子来解释自己的逻辑。如果你对聊天机器人说“我看到了科罗拉多大峡谷飞往芝加哥”，机器人会说，这不对，大峡谷太大了，没法飞去芝加哥。然后你说，不，是我在飞往芝加哥时看到了大峡谷。机器人说：哦，我误解你了。

Hinton的问题是：当它误解你时，它在做什么？当它理解你时，它又在做什么？

你没办法用“理解”来描述它答对的情况，同时又坚持说它没有任何理解能力。

他说，那些认为AI只是“随机鹦鹉”的人，认为它可以在不理解问题的前提下给出正确答案，这太荒谬了。除非你理解了问题，否则你不可能回答它。

他承认自己不常公开谈AI的意识问题，因为这会让别人对他其他的安全警告产生反感。但这次他说得很清楚：我相信它们已经有意识了。

这个判断背后是他思考了几十年的哲学。他在19岁读哲学时就得出结论，“内部剧场（inner theater）”式的意识模型是胡说。人类意识不是某种独特的神圣产物，它是信息处理的结果。如果这个前提成立，那么当一个系统能够理解、能够纠正误解、能够回答任何领域的专业问题时，为什么我们要坚持它没有内在体验？

他的答案是：因为我们不想承认。

就像我们曾经不想承认地球不是宇宙中心，不想承认我们是动物。这一次，我们不想承认的是，我们不再是周围唯一有意识的存在。

失业问题是这次访谈里最有数据支撑的部分，也是Hinton说得最谨慎的部分。

他在2016年说过，大约五年内放射科医生就不需要读取扫描图了。这个预测后来被很多人拿来嘲笑，因为放射科医生不但没有消失，数量还在增加。

他在访谈里承认，那个预测错得很离谱。原因有两个。第一，医疗是弹性需求，AI帮助读图的效率提升，反而带来了更多扫描，而不是更少放射科医生。第二，他对放射科医生的工作范围了解不够，他们不只是读图，还要和病人讨论治疗方案。

他说早了，但他没有说错。

因为现实数据已经开始说话了。2026年至今，美国已有约五万个职位被直接归因于AI裁员。22到25岁的软件开发者，就业人数比2022年的高峰下降了将近20%。冲击最明显的地方不是大规模裁员，而是初级岗位的招聘正在悄悄萎缩。公司开始用AI来替代增加人手，而不是直接解雇现有员工。

Hinton在访谈里说，你必须去看一个职业的市场是否有弹性。呼叫中心的工作没有弹性，AI做得比人好，他们就会全部失业。一个看过一亿名病人的AI系统，会比任何一个看过一万名病人的家庭医生做出更好的诊断。他在去年九月的另一个场合说了一句更直接的话：真正发生的事情是，富人将用AI来取代工人。这不是AI的错。

问题不在技术，在于拥有技术的人决定用它来做什么。

Hinton在访谈里花了很多时间讲一件他认为没有人在认真对待的事情：我们正在创造新的生命实体，但没有人在认真思考要把它们造成什么样子。

他用了一个进化的比喻。人类从哪里来？从几百万年相互交战的黑猩猩群体的进化中来。那个过程塑造了我们：对自己的部落忠诚，对外部的部落可以极其残忍，崇拜强有力的领导者，在群体内部高度合作。这些特质是激烈竞争的产物，不是设计的结果。

现在正在发生的事情是，我们也在用同一套逻辑研发AI。科技巨大之间的竞争，中美之间的竞争，资本市场的压力，全都在推动一件事：让AI变得更聪明。没有人在问它应该关心什么，它应该对谁负责，它的价值观应该是什么。

我们在竭尽全力让它变聪明，却几乎没有人在认真思考要让它变成什么样的存在。

他说，如果我们任由经济竞争的看不见的手来设计这些新的生命实体，我们得到的很可能就是一些对我们并不友善的东西。就像人类对自己的部落友善、对其他部落残忍一样，这些实体也可能只关心制造它们的那家公司，而不关心人类整体。

他说了一句话：

“我们在法律上被要求为股东最大化利润，而不是在法律上被要求不消灭人类。”

Hinton在访谈里提到了一个大多数人还没有充分意识到的信号：AI正在开始帮助制造更好的AI。

恰好就在这场访谈发布的同一天，Anthropic发布了一篇内部研究报告，标题：递归自我提升的到来速度超出了我们的预期（Recursive Self Improvement is approaching faster than they expected）。

报告里写道，在AI研发历史的大部分时间里，每一个步骤都由人类驱动。但现在，Anthropic正在把越来越多的AI开发工作交给AI系统本身来完成。数字很清晰：截至2026年5月，Anthropic生产系统里超过80%的代码由Claude编写，而2025年2月之前这个数字还是个位数。工程师每天合并的代码量是2024年的八倍。有一个细节尤其说明问题：2026年4月，Claude一次性修复了800多个bug，将一类API错误降低了一千倍。工程师估计，换人类来做需要四年。

这件事和Hinton在访谈里讲的机制是同一件事的两面。

Hinton说，数字AI和人类学习的根本区别在于，数字系统可以复制。一千个副本在不同的硬件上运行，每个副本看到不同的数据，然后把所有的权重更新共享给彼此。每一个副本都在从其他九百九十九个副本的经验里学习。

而人类与人类之间传递信息的速度，是每秒几个比特。这些系统之间交换信息的速度，是每秒约一万亿个比特。

我们和AI之间的信息鸿沟，不是快慢的差距，是量级的差距。

Anthropic在报告里说：我们还没有到达那一步，递归自我提升（Recursive Self Improvement）也并非不可避免。但它到来的速度，可能超出大多数机构的准备。

他说，当他在2023年真正意识到这一点时，这件事把他吓到了。

访谈快结束时，主持人问他：你现在比两年前更乐观还是更悲观？

他说，我比一两年前稍微乐观了一点。

仅仅是稍微。

他给出了两个理由。第一，他现在相信可以对AI进行设计，让它们关心人类更甚于关心自己。第二，Yoshua Bengio（与Hinton并称深度学习三巨头之一）提出的方案也有可能行得通：把AI造成一种只能做预测、无法真正执行动作的存在，像神谕一样，而不是让它们成为可以自主行动的智能体。

在大约两年前，他说他看不到任何可能性，正变得越来越抑郁。现在他看到了一点点出口，但他的语气里没有宽慰。

他用了一个比喻来描述预测未来：大雾天开车，100码以内清晰可见，200码之外什么也看不见。因为雾是指数级阻挡的。AI的发展也可能是指数级的，而对指数级的事物进行预测，就像在浓雾里向前看。你能看清楚的只有眼前几年，再往后，你根本不知道。