在伦敦举办的《金融时报》“未来人工智能峰会”上，六位对人工智能发展影响深远的顶尖学者——黄仁勋、约书亚·本吉奥、杰弗里·辛顿、李飞飞、扬·勒昆和比尔·达利齐聚一堂，与FT人工智能编辑马德胡米塔·穆尔吉亚展开深度对话。这场由《金融时报》主办的圆桌会议，汇聚了全球AI领域最具开创性的思想家，他们不仅见证了神经网络从理论走向实践的全过程，更亲手推动了生成式AI的爆发式发展。
作为2025年“伊丽莎白女王工程奖”的共同获得者，这六位学者与约翰·霍普菲尔德教授因在机器学习领域的奠基性贡献受到国际认可。在持续数小时的对话中，他们从个人科研生涯的转折点切入，追溯了AI技术演进的关键节点。约书亚·本吉奥回忆起研究生时期读到杰弗里·辛顿论文时的震撼，这种“存在简明法则构建智能机器”的直觉，成为他投身该领域的起点。而两年半前ChatGPT的诞生，则促使他转向AI伦理研究，开始思考“当机器智能超越人类时如何确保可控性”这一根本命题。
技术突破的脉络在对话中逐渐清晰。杰弗里·辛顿透露，1984年他尝试用反向传播算法训练微型语言模型时，发现模型能自发提取词语语义特征，这个仅用100个样本训练的原型，正是如今大语言模型的思想源头。比尔·达利则分享了90年代末在斯坦福突破“内存墙”的经历，他提出的流式计算架构最终演变为GPU计算的基础，为深度学习提供了关键硬件支撑。
黄仁勋从产业视角揭示了技术演进的逻辑。2010年前后，他同时收到多伦多大学、纽约大学和斯坦福大学的合作邀请，观察到这些实验室正在用框架化方法开发软件——这实则是深度学习的早期形态。他意识到芯片设计的规模化经验可迁移至软件领域，这种认知直接推动了英伟达GPU架构的演进。当被问及当前AI热潮是否会重蹈互联网泡沫覆辙时，他强调：“现在每块GPU都在全速运转创造价值，而互联网泡沫时期大量光纤处于闲置状态。”
关于技术路径的争论贯穿整场对话。扬·勒昆追溯到本科时期对“让机器自我训练”理念的痴迷，他指出当前大语言模型本质上是无监督学习的实践，但2016年后产业界过度依赖监督学习，直到近年才重新回归自监督范式。李飞飞则从空间智能角度提出，当前AI在立体世界感知、推理和交互能力上仍存在根本缺陷，这意味着“前方还有无数新边疆等待开拓”。
当话题转向技术奇点时，学者们展现出理性与期待交织的态度。杰弗里·辛顿预测20年内机器将具备在辩论中胜过人类的能力，约书亚·本吉奥则通过数据指出，AI的工程规划能力正呈指数级增长，五年内可能达到普通雇员水平。但比尔·达利强调，AI的本质是增强人类能力而非替代，这种定位决定了基础设施投资的长期价值。黄仁勋的回应更具现实导向：“某些领域我们已经实现突破，现在最重要的是持续应用并优化技术。”
这场跨越学术与产业的对话，不仅揭示了AI技术演进的内在逻辑，更展现了顶尖学者对技术伦理的深刻思考。从神经网络到生成式AI，从实验室原型到改变千行百业的技术浪潮，这些奠基者正在用智慧与责任，勾勒着人类与机器共生的未来图景。
