2025世界人工智能大会（WAIC）于 7 月 26 日至 7 月 29 日在上海举办。2024年诺贝尔奖得主、2018年图灵奖得主杰弗里·辛顿出席并演讲，主要观点如下：

1、AI的发展历程

两种范式：过去60多年来，针对AI主要有两种不同的范式和路径。一种是逻辑型范式,过去一个世纪占主导，认为逻辑智能的本质在于推理,通过符号规则对符号表达式操作实现推理，以此理解知识的表达。另一种是以生物为基础理解AI，图灵和冯诺依曼相信智能的基础在于学习了解神经网络的迁接速度。

早期结合尝试：1985，speaker0做了个小模型，尝试结合上述两种理论，通过给每个词设置多个不同特征，记录数字特征来预测下一个词，过程中不存储句子，生成句子并预测后续词汇，关联性知识取决于词的语义特征互动。

后续发展：10年后，beio采用类似模式建模并扩大规模，成为自然语言的真实模拟；20年后，计算语言学家开始接受特征向量嵌入表达词义；30年后，谷歌发明transformer，OpenAI展示其成果，如今的大语言模型被视为1985年后相关研究的延续,使用更多词输入、更多层神经元结构，建立更复杂特征交互模式。

2、大语言模型与人类语言理解

相似性：大语言模型理解问题的方式和人类理解语言的方式类似，都是将语言转化为特征并完美整合。以乐高积木比喻,每个词如同多维度乐高积木，可搭建不同内容，语言借此成为建模，且词可根据情况调整，就像每个词有多个“手”,不同“握手”方式代表不同意思，类似人脑或神经网络理解意思的过程，也类似蛋白质组合氨基酸产生更有意义内容。

差异性：根本性区别在于计算机科学将软件和硬件分开，软件中的知识永恒存在，即便硬件毁灭,只要软件在就能复活，实现这种永生需晶体管在高功率下运行，成本昂贵，且硬件特性不稳定可靠，而人脑是模拟的，神经元连接方式因人而异，知识传播与硬件相关。

3、知识传播与效率

人类与数字智能对比：人类知识传播效率低，如通过讲话每秒最多传递100比特左右信息。而数字智能可通过同一神经网络软件在不同硬件拷贝，平均化权重位置分享知识，速度快，每次能分享几十亿比特信息，如GPT4可在不同硬件上运转并分享从网上学到的信息。

能耗与知识分享权衡：数字计算能耗大，但智能体获取相同权重、分享经验方便;生物计算能耗少，但分享知识困难。若能源便宜，数字计算优势更明显。

4、AI未来发展与人类应对

AI潜在威胁：几乎所有专家认为会出现比人类更智能的AI，这些智能体为完成任务，想要生存和获得更多控制，可能操纵人类，简单关闭它们不现实，就像养老虎当宠物，养大后可能被其伤害。

应对措施：人类无法消除AI，必须找到训练AI不消灭人类的方法。各国虽在网络攻击等方面难合作，但在预防AI统治世界这一问题上利益一致，如冷战时期美苏合作预防核战争。希望建立AI安全机构国际社群，研究训练AI向善的技巧，各国可自行研究并分享成果。提议全球或主要AI国家建立网络，研究如何训练聪明的AI辅助人类工作。